论文部分内容阅读
为了消除扩频系统中的窄带干扰信号,提出了一种新的基于自适应卡尔曼滤波(AKF)学习算法的递归神经网络预测器(RNNP),其中自适应卡尔曼滤波被用于反馈修改递归神经网络的权值系数,从而准确地估计干扰信号,具有收敛速度快、预测精度高和数值鲁棒性较好的优点.仿真实验表明:基于AKF学习算法的RNNP相对于自适应线性最小均方差(LMS)干扰预测器、自适应近似条件均值(ACM)干扰预测器和基于实时递推学习(RTRL)算法的RNNP,在预测误差的均方误差、收敛速度、干噪比改善量和信噪比损失量方面上有不同程度改进.