声源目标定位中基于LM-BP神经网络的非线性噪声消除方法
混合噪声一直是声信号处理的难点问题,尤其是其中对非线性噪声的处理,存在阶数过高造成计算量大甚至无法求解的问题.针对该问题提出了一种利用LM-BP神经网络来模拟滤波器的噪声消除方法,以Volterra滤波器为参考模型,对其隐含层进行训练,最终实现自适应滤波.最后针对非线性噪声进行仿真实验,通过对噪声标准偏差结和偏差相对值的对比,表明该方法相对于Volterra滤波器在处理非线性噪声时具有更好的准确性和快速性.
声信号处理、非线性噪声、自适应滤波、LM-BP神经网络
43
TN911.4;TP183
2020-09-04(万方平台首次上网日期,不代表论文的发表时间)
共3页
134-136