基于神经网络的自适应噪声抵消的研究
| 第一章 绪论 | 第1-21页 |
| ·引言 | 第11-12页 |
| ·自适应噪声抵消器的发展与现状 | 第12-14页 |
| ·自适应滤波器简介 | 第12-13页 |
| ·自适应滤波器的发展与研究状况 | 第13-14页 |
| ·网络的研究现状及发展趋势 | 第14-19页 |
| ·神经网络的定义 | 第14-15页 |
| ·人工神经网络的发展 | 第15-16页 |
| ·神经网络的优点 | 第16-18页 |
| ·神经网络的应用 | 第18-19页 |
| ·神经网络的发展趋势 | 第19页 |
| ·本文研究的主要内容 | 第19-21页 |
| 第二章 自适应噪声抵消的基本原理 | 第21-41页 |
| ·自适应滤波器 | 第21-26页 |
| ·自适应滤波器原理 | 第21-22页 |
| ·横向自适应滤波器 | 第22-24页 |
| ·最小均方(LMS)自适应算法 | 第24-26页 |
| ·自适应噪声抵消系统的基本原理 | 第26-29页 |
| ·自适应噪声抵消系统抵消能力分析 | 第29-38页 |
| ·模平方相干函数 | 第29-33页 |
| ·衡量ANC系统抵消能力的指标 | 第33-34页 |
| ·两路噪声的统计相关特性与ANC系统的抵消能力 | 第34-36页 |
| ·自适应滤波器的性能与ANC系统的抵消能力 | 第36-38页 |
| ·自适应滤波器参数的选择 | 第38-41页 |
| ·滤波器阶数的选择 | 第38-39页 |
| ·步长参数的选择 | 第39-41页 |
| 第三章 神经网络的基本原理 | 第41-61页 |
| ·神经网络简介 | 第41页 |
| ·人工神经元模型 | 第41-43页 |
| ·神经网络结构及工作方式 | 第43-45页 |
| ·神经网络的学习 | 第45-51页 |
| ·学习方式 | 第45-47页 |
| ·学习算法 | 第47-49页 |
| ·神经网络的自适应学习 | 第49-51页 |
| ·前馈神经网络 | 第51-53页 |
| ·前馈人工神经网络的结构 | 第51页 |
| ·前馈人工神经网络的计算过程 | 第51-52页 |
| ·多层前馈人工神经网络的非线性逼近能力 | 第52-53页 |
| ·多层前馈人工神经网络的学习算法 | 第53-61页 |
| ·前馈人工神经网络的结构 | 第53-54页 |
| ·反向传播学习算法的基本计算原理和过程 | 第54-58页 |
| ·反向传播算法小结 | 第58-59页 |
| ·改善反向传播算法性能的几点试探法 | 第59-61页 |
| 第四章 基于神经网络自适应噪声抵消器的设计 | 第61-84页 |
| ·四层神经网络的结构及其算法推导 | 第61-65页 |
| ·四层神经网络的结构 | 第61-62页 |
| ·四层神经网络的算法推导 | 第62-65页 |
| ·神经网络自适应噪声抵消系统 | 第65-67页 |
| ·神经网络自适应噪声抵消系统原理 | 第65-66页 |
| ·神经网络结构的确定 | 第66-67页 |
| ·MATLAB仿真结果及其分析 | 第67-75页 |
| ·实验1 | 第67-70页 |
| ·实验2 | 第70-75页 |
| ·神经网络自适应噪声抵消系统的应用 | 第75-84页 |
| ·参考通道噪声信号的获得 | 第75-79页 |
| ·MATLAB实验及其结果分析 | 第79-84页 |
| 第五章 结论 | 第84-87页 |
| 参考文献 | 第87-92页 |
| 致谢 | 第92-93页 |
| 攻读学位期间发表的学术论文目录 | 第93页 |
