信号和噪声

定义一个假设的信息信号，X，在100Hz 6秒取样。

时间=（0：0.01：6）';X = SIN（40 ./（时间+ 0.01））;图（时间，x）的标题（'信息信号x'，'字体大小'，10）xlabel（'时间'，'字体大小'，10）ylabel（'X'，'字体大小'，10）

假使，假设X而不干扰信号不能被测量， ${\mathit{ñ}}_2$，这是从另一个噪声源产生的， ${\mathit{ñ}}_1$经由某些未知的非线性过程。

下图显示了噪声源 ${\mathit{ñ}}_1$。

N1 = randn（大小（时间））;图（时间，N1）称号（“噪声源N_1”，'字体大小'，10）xlabel（'时间'，'字体大小'，10）ylabel（'N_1'，'字体大小'，10）

假设干扰信号， ${\mathit{ñ}}_2$，出现在测量信号中的是通过未知的非线性方程生成的：

绘制这个非线性特性作为表面。

域= linspace（分钟（N1），最大值（N1），20）;[XX，YY] = meshgrid（域，结构域）;ZZ = 4 * SIN（XX）* yy./(1+yy.^2）。冲浪（XX，YY，ZZ）;xlabel（'N_1（K）'，'字体大小'，10）;ylabel（'N_1（K-1）'，'字体大小'，10）;zlabel（'N_2（K）'，'字体大小'，10）;标题（“未知干扰信道特征”，'字体大小'，10）;

计算出干扰信号， ${\mathit{ñ}}_2$，从噪声源， ${\mathit{ñ}}_1$，并绘制两个信号。

n1d0=n1；％N1与延迟0n1d1 = [0;n1d0（1：长度（n1d0）-1）]。％N1与延迟1n2=4*sin（n1d0）。*n1d1./（1+n1d1.^2）；％干扰副区（2,1,1）图（时间，N1）;ylabel（“噪音N_1”，'字体大小'，10）;副区（2,1,2）图（时间，N2）;ylabel（“干扰N_2”，'字体大小'，10）;

${\mathit{ñ}}_2$与 ${\mathit{ñ}}_1$通过前面显示的高度非线性的过程;从图中，这是很难看这两个信号都以任何方式相关。

所测量的信号，米，是原始信息信号的总和，X和干扰， ${\mathit{ñ}}_2$。但是，我们不知道 ${\mathit{ñ}}_2$。提供给我们的唯一信号是噪声信号， ${\mathit{ñ}}_1$和所测量的信号米。

米= X + N 2;％测得的信号副区（1,1,1）情节（时间，米）标题（“测得的信号”，'字体大小'，10）xlabel（'时间'，'字体大小'，10）ylabel（“我”，'字体大小'，10）

你可以恢复原始信息信号，X经由ANFIS训练使用自适应噪声消除。

构建ANFIS模型

使用ANFIS命令识别 ${\mathit{ñ}}_1$和 ${\mathit{ñ}}_2$。而 ${\mathit{ñ}}_2$不是直接可用的，您可以假设米是“被污染”的版本 ${\mathit{ñ}}_2$为了训练。这种假设对待X在这种非线性拟合的“噪音”。

假定非线性信道是已知的顺序（在此情况下，2），所以你可以使用一个2输入ANFIS模型进行训练。

定义训练数据。的前两列数据是输入到ANFIS模型， ${\mathit{ñ}}_1$和延迟版本 ${\mathit{ñ}}_1$。的最后一列数据是被测信号，米。

延迟_n1=[0；n1（1:长度（n1）-1]；数据=[延迟_n1 n1 m]；

生成初始FIS对象。默认情况下，格子分割算法使用两个隶属函数为每个输入变量，从而产生4条模糊规则学习。

genOpt = genfisOptions（'网格分区'）;inFIS = genfis（数据（：，1：端-1），数据（：，端），genOpt）;

调整使用的FISANFIS用的初始训练步骤大小命令0.2分。

trainOpt=anfioptions('InitialFIS'，inFIS，'InitialStepSize'，0.2）;outFIS = ANFIS（数据，trainOpt）;

ANFIS信息：节点数：21个线性参数：12个非线性参数：12个参数总数：24个训练数据对：601个检查数据对：0个模糊规则：4个开始训练ANFIS。。。1 0.761817 2 0.748426 3 0.739315 4 0.733993 5 0.729492步长在第5纪元后增加到0.220000。公元9世纪以后，台阶尺寸由6 0.725382 7 0.721269 8 0.717621 9 0.714474增加到0.242000。10 0.71207达到指定历元数-->在历元10完成ANFIS训练。最低培训RMSE=0.712070

调谐的FIS，出水口，为之间的二阶关系建模 ${\mathit{ñ}}_1$和 ${\mathit{ñ}}_2$。

评价模型

计算估计的干扰信号，estimated_n2中，通过使用原始训练数据评估所述调谐FIS。

估计_n2=蒸发量（出水口，数据（：，1:2））；

绘制和实际 ${\mathit{ñ}}_2$信号和来自所述输出ANFIS估计版本。

子批次（2,1,1）图（时间，n2）ylabel('n_2（未知）'）;副区（2,1,2）图（时间，estimated_n2）ylabel（“估计N_2”）;

估计的信息信号等于测量信号之间的差，米和估计的干扰（ANFIS输出）。

estimated_x = M  -  estimated_n2;

比较原始信息信号，X和估计，estimated_x。

图图（时间，estimated_x，'B'，时间，X，'R'）图例（“预测X”，'实际X（未知）'，'位置'，'东南'）

在不经过大量训练的情况下，ANFIS能很好地估计出信息信号。