神经网络在自适应噪声抵消中的应用研究.docVIP

神经网络在自适应噪声抵消中的应用研究 　　摘 要 　　本文将基于正交最小二乘的RBF神经网络算法引入自适应噪声对消中，提出一种基于最小二乘算法和径向基网络的自适应噪声抵消（adaptive filter based on least square algorithm and radial basis network，简称OLSRBFAF）算法。RBF网络因其具有良好的推广能力，简单的结构和快速的训练过程等诸多优点已被成功应用于很多领域。RBF神经网络中关键因素是基函数中心的选取，中心选取不当构造出来的RBF网络的性能一般不能令人满意。利用正交最小二乘（orthogonal least squares，简称OLS）算法选取RBF网络中心，解决了径向基函数网络构造这一关键问题。并由于OLS算法中采用了最小二乘（least-square，简称LS）准则，其对时变信道具有快速跟踪的能力。利用MATLAB仿真结果分析可知，通过将两种算法结合引入自适应噪声抵消系统，使该系统具有误差更小，消除噪声能力更强的优点。 　　【关键词】径向基函数网络 正交最小二乘算法自适应 噪声抵消 　　1 引言 　　神经网络的应用已经渗透到各个领域，几乎每个领域都离不开神经网络理论，尤其是在非线性优化应用领域、模式识别领域、以及智能控制和信号处理等领域的应用，神经网络在其中所体现的价值是无法估量的。经过这