神经网络线性（自适应）滤波器

---恢复内容开始---

1、抽头延迟线

  为了将ADALINE网络用作自适应滤波器，我们先介绍一个新的构造块；抽头延迟线。如下图所示为带有R个输出的抽头延迟线。信号从左边输入，在延迟线的输出端是一个R维的向量，包含当前时刻的输入信号和分别延迟了1到R-1时间步长的输入信号。

2、自适应滤波器

      若将一个延迟线与一个ADALINE网络结合起来，我们就能得到一个自适应滤波器如下图所示，滤波器的输出为：

3、举例

     输入向量 p ,期望输出向量 T,以及输入延迟向量Pi。

P={1 2 1 3 3 2};
Pi={1 3};
T={5.0 6.1 4.0 6.0 6.9 8.0};
%应用newlind函数构造一个网络以满足上面的输入/输出关系和延迟条件
net=newlind(P,T,Pi)
view(net)
y=net(P)
W=net.IW{1,1}%神经网络的权重
b=net.b{1}%神经网络的阈值

y = 

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


W =

    0.9568    0.9635    1.0365


b =

    0.0986

　　神经网络的训练过程：

       其计算原理如下：

      输入向量P={1 2 1 3 3 2}由于延迟向量Pi{1 3}的作用变成了六维向量

     即每个输入变成了自身再加上前两个延迟，

        …

感谢阿信老师和小平兄弟在百忙之中的帮助

---恢复内容结束---

神经网络线性（自适应）滤波器

原文：https://www.cnblogs.com/lijieting/p/11143991.html