一、引言自適應噪聲抵消技術是一種能夠很好的消除背景噪聲影響的信號處理技術，應用自適應噪聲抵消技術，可在未知外界干擾源特征，傳遞途徑不斷變化，背景噪聲和被測對象聲波相似的情況下，能夠有效地消除外界聲源的干擾獲得高信噪比的對象信號。 從理論上講，自適應干擾抵消器是基于自適應濾波原理的一種擴展，簡單的說，把自適應濾波器的期望信號輸入端改為信號加噪聲干擾的原始輸入端，而它的輸入端改為噪聲干擾端，由橫向濾波器的參數調節輸出以將原始輸入中的噪聲干擾抵消掉，這時誤差輸出就是有用信號了。在數字信號采集、處理中，線性濾波是最常用的消除噪聲的方法。線性濾波容易分析，使用均方差最小準則的線性濾波器能找到閉合解，若噪聲干擾類型為高斯噪聲時，可達到最佳的線性濾波效果。 計算機論文www.lunwendingzhi.com； 機械畢業論文www.lunwenwanjia.com 在實際的數字信號采集中，疊加于信號的噪聲干擾往往不是單一的高斯噪聲，而線性濾波器所要求的中等程度噪聲偏移，使線性濾波器對非高斯噪聲的濾波性能下降，為克服線性濾波器的缺點，往往采用非線性濾波器，所以本文采用神經網絡對信號進行濾波處理。二、基于BP算法和遺傳算法相結合的自適應噪聲抵消器在本文中，作者主要基于自適應噪聲對消的原理對自適應算法進行研究，提出了一種新的算法，即BP算法和遺傳算法相結合的自適應算法。 作者對BP網絡的結構及算法作了一個系統的綜述，分析了BP算法存在的主要缺陷及其產生的原因。傳統的BP網絡既然是一個非線性優化問題，這就不可避免地存在局部極小問題，網絡的極值通過沿局部改善的方向一小步進行修正，力圖達到使誤差函數最小化的全局解，但實際上常得到的使局部最優點。 管理畢業論文網www.yifanglunwen.com； 音樂畢業論文www.xyclww.com； 英語畢業論文www.lanrenbanjia.com； 學習過程中，下降慢，學習速度緩，易出現一個長時間的誤差平坦區，即出現平臺。通過對遺傳算法文獻的分析、概括和總結，發現遺傳算法與其它的搜索方法相比，遺傳算法（GA）的優點在于：不需要目標函數的微分值；并行搜索，搜索效率高；搜索遍及整個搜索空間，容易得到全局最優解。所以用GA優化BP神經網絡，可使神經網絡具有進化、自適應的能力。 BP-GA混合算法的方法出發點為： 經濟論文www.youzhiessay.com 教育論文www.hudonglunwen.com； 醫學論文網www.kuailelunwen.com； （1）利用BP神經網絡映射設計變量和目標函數、約束之間的關系；（2）用遺傳算法作實現優化搜索；（3）遺傳算法中適應度的計算采用神經網絡計算來實現。BP-GA混合算法的設計步驟如下：（1）分析問題，提出目標函數、設計變量和約束條件；（2）設定適當的訓練樣本集，計算訓練樣本集；（3）訓練神經網絡；（4）采用遺傳算法進行結構尋優；（5）利用訓練好的神經網絡檢驗遺傳算法優化結果。若滿足要求，計算結束；若誤差不滿足要求，將檢驗解加入到訓練樣本集中，重復執行3～5步直到滿足要求。 通過用短時傅立葉信號和余弦信號進行噪聲對消性能測試，在單一的BP算法中，網絡的訓練次數、學習速度、網絡層數以及每層神經元的節點數都是影響BP網絡的重要參數，通過仿真實驗可以發現，適當的訓練次數可以使誤差達到極小值，但是訓練次數過多，訓練時間太長，甚至容易陷入死循環，或者學習精度不高。學習速度不能選擇的太大，否則會出現算法不收斂，也不能選擇太小， 會使訓練過程時間太長，一般選擇為0.01～0.1之間的值，再根據訓練過程中梯度變化和均方誤差變化值確定。基于梯度下降原理的BP算法，在解空間僅進行單點搜索,極易收斂于局部極小，而GA的眾多個體同時搜索解空間的許多點，因而可以有效的防止搜索過程收斂于局部極小，只有算法的參數及遺傳算子的操作選擇得當，算法具有極大的把握收斂于全局最優解。使用遺傳算法需要決定的運行參數中種群大小表示種群中所含個體的數量，種群較小時，可提高遺傳算法的運算速度，但卻降低了群體的多樣性，可能找不出最優解；種群較大時，又會增加計算量，使遺傳算法的運行效率降低。一般取種群數目為20～100；交叉率控制著交叉操作的頻率，由于交叉操作是遺傳算法中產生新個體的主要方法，所以交叉率通常應取較大值，但若過大的話，又可能破壞群體的優良模式，一般取0.4～0.99；變異率也是影響新個體產生的一個因素，變異率小，產生個體少，變異率太大，又會使遺傳算法變成隨機搜索，一般取變異率為0.0001～0.1。 由仿真結果得知，GA與BP算法的混合算法不論是在運行速度還是在運算精度上都較單純的BP算法有提高，去噪效果更加明顯，在信噪比的改善程度上，混合算法的信噪