本文基于国内外所关注自适应滤波实时化处理这一研究课题,主要研究了人工神经网络(ANN)实现自适应滤波方面的问题。 为了适应自适应滤波实时化处理的要求,文中引进了具有高度并行处理能力的人工神经网络来实现自适应滤波,从理论上分析了非线性优化网络实现自适应滤波的机理和可能性,通过构造约束网络来保证各种变换型结构滤波器在自适应过程中的稳定性,改变了传统的串行算法思想,使自适应滤波器的处理速度有了明显提高。论文第二章提出了一种非线性优化网络“时变步长”修正模型,并较优地实现格型结构的自适应预测。通过详细描述ANN实现格型结构的自适应预测、格梯型和PWDF结构的自适应辨识的具体方法,显示了ANN实现自适应滤波实时处理的巨大潜能。计算机仿真的结果表明,在合理选择ANN网络参量的情况下,这些变换型结构滤波器的自适应过程可以在几微秒时间内完成,与现有的自适应滤波手段相比,已有了很大的进展。本文所讨论的基于人工神经网络来实现自适应滤波的方法,将给神经网络自适应滤波器的集成电路实现提供有益的参考。 运用递归求解权值梯度和引进幅角参量简化适配器的方法,实现了自适应PWDF,所提出的自适应算法具有易控制稳定性、利于硬件实现的优点,仿真的结果已充分表明该算法的有效性,同时也显示了自适应PWDF结构的良好特性。