基于模糊神经网络的自适应Wiener滤波器的研究

摘要

基于模糊神经网络的自适应Wiener滤波器是一种可以利用存储信息进行模糊推理运算的自适应滤波器。 为了得到性能最佳的模糊神经网络自适应Wiener滤波器，首先要确定模糊规则，并通过对变量进行模糊子空间的划分来确定网络结构；其次要选择隶属度函数、进行层的定义并且利用自适应学习算法对网络进行训练；然后反复调试使训练误差达到最小；最后再利用专家经验对滤波器的联接权值、隶属度函数的中心点和边界值进行必要的修正。 基于Wiener滤波原理，分别实现了基于递归最小二乘法的有限冲击响应自适应滤波器、自适应线性神经网络滤波器和基于Takagi-Sugeno型模糊神经网络的自适应滤波器，并在不利用专家经验进行修正的情况下对它们进行了仿真比较。 结果表明，模糊神经网络自适应Wiener滤波器在没有利用任何语言信息的情况下，仍然体现出了良好的性能：用于信号滤波时，收敛速度快，误差最小；用于信道均衡时，跟踪效果最好，环境适应能力最强。因此，该模糊神经网络自适应Wiener滤波器的结构设计合理，样本集合选取得当，训练方式和算法科学。 模糊神经网络自适应’Wiener滤波器不但对训练样本、训练次数的要求较低，而且还可以在训练时完成算法的优化，同时能够成功地工作在线性因果方式，无需进行大量的迭代运算，具有思维推理能力，是一种精度高、速度快、易于实现的智能型自适应滤波器。

目录

文摘

英文文摘

独创性说明及关于论文使用授权的说明

引言

1绪论

1.1自适应滤波器概况

1.1.1自适应滤波器的组成原理

1.1.2自适应滤波器的种类及应用

1.1.3自适应滤波器的研究现状

1.2本文的研究工作

2自适应Wiener滤波器

2.1 Wiener滤波原理

2.1.1线性最优滤波器及最佳滤波准则

2.1.2 Wiener—Hopf方程

2.1.3最陡下降算法

2.2基于RLS和FIR的自适应Wiener滤波器的实现

2.2.1滤波器的结构

2.2.2自适应算法

2.2.3 仿真

2.3小结

3人工神经网络自适应Wiener滤波器

3.1人工神经网络原理

3.1.1人工神经网络模型

3.1.2人工神经网络的求解过程

3.2基于自适应线性神经网络的Wiener滤波器的实现

3.2.1滤波器的结构

3.2.2训练

3.2.3仿真调试

3.3小结

4模糊神经网络自适应Wiener滤波器

4.1模糊系统基本原理

4.1.1模糊逻辑系统的组成

4.1.2模糊逻辑系统的实现

4.2模糊神经网络

4.2.1模糊系统与人工神经网络的比较

4.2.2模糊系统与人工神经网络进行综合的方法

4.3基于模糊神经网络的自适应Wiener滤波器的实现

4.3.1模糊规则的确定

4.3.2滤波器的组成

4.3.3网络结构及层的定义

4.3.4学习算法

4.3.5仿真调试

4.4小结

5仿真分析

5.1自适应滤波器仿真分析

5.2信道均衡器仿真分析

5.3 小结

结论

参考文献

附录A基于RLS和FIR自适应滤波器仿真程序

附录B神经网络自适应滤波器仿真程序

附录C模糊神经网络自适应Wiener滤波器仿真程序

附录D模糊神经网络的MATLAB生成文件

附录E基于RLS和FIR的均衡器仿真程序

附录F神经网络均衡器仿真程序

附录G模糊神经网络均衡器仿真程序

致谢

导师简介

作者简介