基于傅里叶变换的BP神经网络自适应滤波

BP神经网络强大的非线性函数逼近、自适应学习和并行信息处理能力使得BP神经网络在信号去噪滤波中得到应用，但是随着BP网络输入向量维数的增加，其自身隐含层层数也会相应增加，从而降低了网络的自适应能力以及延长了学习时间。本文采用基于傅里叶变换的BP神经网络，利用傅里叶变换对信息进行预处理，并利用BP网络强大的函数逼近能力，对信息进行拟合，再通过傅里叶逆变换还原含噪的信息。最后通过MATLAB软件分别对傅里叶变换、BP神经网络、基于傅里叶变换的BP神经网络滤波效果进行仿真比较。