基于ANFIS的有色噪声抵消技术.docVIP

基于ANFIS的有色噪声抵消技术 A Technology of Canceling Colored Noise Based on ANFIS 摘 要：利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模，并利用ANFIS逼近有色噪声，然后从测量信号中消除有色噪声得到有用的信号。仿真结果表明利用这种方法能在和被测对象相似的噪声背景中很好地提取有用信号。 关键词： ANFIS；噪声；测量信号；抵消 Abstract: Modeling the nonlinear dynamic characteristic of noise by ANFIS and approaching the colored noise by ANFIS is presented. Then colored noise is cancelled from measured signal and useful signal is gotten. Simulation result shows that by the method useful signal can be gotten primely from the noise background that is similar to the measured signal. Key words: ANFIS；Noise； Measured Signal；Canceling 0 引言 在信号检测中通常会遇到信号淹没在噪声中，当这种噪声为高斯白噪声时，可以采用线性滤波的方法，自适应噪声抵消（adaptive noise canceling，简称ANC）方法首先由Widrow和Glove提出[3]，使用线性滤波器的ANC系统已成功地应用于心电图、电话回声消除、电话干扰消除等实际问题，但对于噪声具有非线性传播性质时，使用线性滤波效果往往很差，甚至根本起不到抑制噪声的作用。 有色噪声可看作是白噪声经过非线性动态处理后产生的，所能得到的是有用信号与有色噪声的混合噪声源分量。信号滤波的目标是消除噪声，提取有用信号。这里利用自适应神经模糊推理系统ANFIS对非线性动态特性进行建模，并利用ANFIS逼近有色噪声，然后从测量信号中消除有色噪声得到有用信号。可见，ANFIS可用作非线性滤波器。 1 ANFIS网络的结构 1985年Takagi和Sugeno提出了一种非线性T-S模糊模型，即后来的Sugeno模糊模型 ，是一种对有精确输入、输出数据集产生模糊规则推理的系统化方法。它结合模糊逻辑与神经网络二者之优势，改善了传统模糊控制设计中必须人为地不断调整隶属度函数以减小误差的不足，采用混合学习算法调整前提参数和结论参数，自动产生模糊规则。后来，Tang Roger提出与一阶Sugeno模糊模型功能等同的基于自适应神经网络的模糊推理系统(ANFIS ) 用来实现Sugeno模糊模型的学习过程。ANFIS可以认为是Sugeno型模糊模型的神经网络实现，该网络是一个多层前馈网络，结构如图1。 图1 Sugeno模糊系统等效的ANFIS网络 假定模糊规则库包含两种规则: Ｒule1: if x is A1 and y is B1, then z1=p1x+q1y+r1 Ｒule2: if x is A2 and y is B2, then z2=p2x+q2y+r2 网络共有5层，各层功能如下： 第1层：Ai和Bi为输入变量的模糊子集，该层节点的激活函数代表模糊变量的隶属函数，该层的输出代表模糊化结果，即隶属度，其中一个节点的传递函数可以表示为 (1) 通常使用的激活函数为高斯型函数。 第2层：将模糊化得到的隶属度两两相乘，该层的输出代表着模糊规则的强度或适用度。 (2) 第3层：将各条规则的适用度归一化 (3) 第4层： 计算每条规则的结论： (4) 第5层：计算所有规则的输出之和，即系统输出： (5) 在这一网络中，包含了未知参数等，通过某种算法训练ANFIS，可以按指定的指标得到这些参数，从而达到模糊建模的目的。 在MATLAB中，训练ANFIS由anfis函数完成。模糊建模过程一般有以下几个步骤： (1)获取样本数据