[发明专利]一种基于小波神经网络的多功能自适应滤波器及滤波方法

摘要

本发明公开了一种基于小波神经网络的多功能自适应滤波器及滤波方法，包括输入层，所述输入层中包括用于输入原始信号的原始输入单元及用于输入参考信号的参考输入单元，隐含层，所述隐含层中，同步采样单元对输入的原始信号进行采样后传输至减法器，同步采样单元对输入的参考信号进行采样后传输至算法处理单元，输出层，在所述输出层中，减法器的输出做出陷波输出；加法器的输出作为窄带的输出，本发明公开的一种基于小波神经网络(WNN)的多功能自适应滤波器，既可以作陷波滤波器去除某一或某些确定频率的信号，也可以作窄带滤波器让特定频率的信号通过。

主权项

1.一种基于小波神经网络的多功能自适应滤波器，其特征是，包括输入层，所述输入层中包括用于输入原始信号的原始输入单元及用于输入参考信号的参考输入单元，隐含层，所述隐含层中，将参考输入单元输出的信号分两路，一路直接传输至同步采样单元，另一路通过延时单元延时后传输至同步采样单元，原始输入单元的输出传输至同步采样单元，同步采样单元对输入的原始信号进行采样后传输至减法器，同步采样单元对输入的参考信号进行采样后传输至算法处理单元，算法处理单元与减法器相连，算法处理单元根据减法器的输出及输入的参考信号的采样确定神经元采样的权值，算法处理单元输出的神经元采样的权值传输至加法器进行运算，输出层，在所述输出层中，减法器的输出做出陷波输出；加法器的输出作为窄带的输出；算法处理单元中采用LMS算法即最小均方算法计算WNN权值的修正：w1,k+1＝w1k+2μεkx1kw2,k+1＝w2k+2μεkx2k式中wik为第i个神经元在第k次采样的权值；μ为神经元学习率；εk为原始输入信号与窄带输出的误差，即陷波输出；同步采样单元对输入的参考信号进行采样后传输至算法处理单元，其中，采样参考输入信号由下式给出：x1k＝Ccos(kω0+φ)x2k＝Csin(kω0+φ)式中，C为参考频率为ω₀正弦信号的幅值，k为系数，为相位。