神經網絡自適應濾波器延遲向量的計算原理

---恢復內容開始---

一、抽頭延遲線

  爲了將ADALINE網絡用做自適應濾波器，咱們先介紹一個新的構造塊；抽頭延遲線。以下圖所示爲帶有R個輸出的抽頭延遲線。信號從左邊輸入，在延遲線的輸出端是一個R維的向量，包含當前時刻的輸入信號和分別延遲了1到R-1時間步長的輸入信號。

                                                                                              

 

二、自適應濾波器

      若將一個延遲線與一個ADALINE網絡結合起來，咱們就能獲得一個自適應濾波器以下圖所示，濾波器的輸出爲：

                      

                                                                                                

三、舉例

     輸入向量 p ,指望輸出向量 T,以及輸入延遲向量Pi。

 

P={1 2 1 3 3 2};
Pi={1 3};
T={5.0 6.1 4.0 6.0 6.9 8.0};
%應用newlind函數構造一個網絡以知足上面的輸入/輸出關係和延遲條件
net=newlind(P,T,Pi)
view(net)
y=net(P)
W=net.IW{1,1}%神經網絡的權重
b=net.b{1}%神經網絡的閾值

 

　　

y = 

    [1.0554]    [2.9757]    [4.0189]    [6.0054]    [6.8959]    [8.0122]


W =

    0.9568    0.9635    1.0365


b =

    0.0986

　　神經網絡的訓練過程：

       其計算原理以下：

      輸入向量P={1 2 1 3 3 2}因爲延遲向量Pi{1 3}的做用變成了六維向量

                                                

     即每一個輸入變成了自身再加上前兩個延遲，

     

      

        …

      

 

     

 

 

 

 

 

在王老師的啓發下終於決定寫下人生第一個博客，延遲向量的問題困擾我近一週，在網上也沒能找到答案，因而本身花了幾天時間請教老師和同窗感謝阿信老師和小平兄弟在百忙之中的幫助，終於把這個問題解決但願對別人有所幫助。

 

 

 

 

 

  

 

 

---恢復內容結束---