张 磊 李方鑫 王建新 肖超恩

(北京电子科技学院 北京 100070)

0 引 言

自适应噪声抵消系统的基本要求是原始输入和参考输入中信号必须统计相关[1]。在传统的抵消算法中，要求噪声满足线性相关的条件。然而在现实中，噪声通道往往十分复杂，具有非线性的特性；当两路输入噪声非线性相关时，传统的自适应噪声抵消算法(LMS、NLMS、RLS)[2-5]去噪效果难以保证，甚至产生信号失真。因此，需要寻找一种有效应对噪声非线性相关的自适应噪声抵消方法。

神经网络[6-7]利用大量的人工神经元相互连接进行计算，根据外界的信息改变自身的结构，主要通过调整神经元之间的权值来对输入的数据进行建模，最终具备解决实际问题的效果。目前，在人工神经网络的实际应用中，绝大多数的神经网络模型都采用BP网络及其变化形式，它是前馈型神经网络的核心部分[8]。近年来，已有部分研究将神经网络应用于自适应噪声抵消系统中，在有源噪声控制方面取得了一定的效果。

2010年，Miry等[9]提出了一种基于模糊神经网络[10]的自适应噪声消除算法，该算法用于长距离通信信道的噪声消除，系统的主要优点是易于实施和快速收敛。2010年，李晓艳[11]将基于神经网络的自适应噪声抵消器与基于LMS算法的自适应噪声抵消器进行对比，在两路噪声信号线性和非线性相关时进行了性能比较。结果表明基于神经网络的自适应噪声抵消器在两路信号线性相关和非线性相关时，均具有良好的噪声抵消能力。……