A system and method for a neural network is disclosed that is trained to
recognize noise characteristics or other types of interference and to
determine when an input waveform deviates from learned noise
characteristics. A plurality of neural networks is preferably provided,
which each receives a plurality of samples of intervals or windows of the
input waveform. Each of the neural networks produces an output based on
whether an anomaly is detected with respect to the noise, which the neural
network is trained to detect. The plurality of outputs of the neural
networks is preferably applied to a decision aid for deciding whether the
input waveform contains a non-noise component. The decision aid may
include a database, a computational section and a decision module. The
system and method may provide a preliminary processing of the input
waveform and is used to recognize the particular noise rather than a
non-noise signal.
Een systeem en een methode voor een neuraal netwerk worden onthuld dat wordt opgeleid om lawaaikenmerken of andere soorten interferentie te erkennen en te bepalen wanneer een inputgolfvorm van geleerde lawaaikenmerken afwijkt. Een meerderheid van neurale netwerken wordt bij voorkeur verstrekt, die elk een meerderheid van steekproeven van intervallen of vensters van de inputgolfvorm ontvangt. Elk van de neurale netwerken veroorzaakt een output wordt gebaseerd die op of een anomalie met betrekking tot het lawaai wordt ontdekt, dat het neurale netwerk wordt opgeleid om te ontdekken. De meerderheid van output van de neurale netwerken wordt bij voorkeur toegepast op een besluithulp voor het besluiten of de inputgolfvorm een niet-lawaaicomponent bevat. De besluithulp kan een gegevensbestand, een computersectie en een besluitmodule omvatten. Het systeem en de methode kunnen een inleidende verwerking van de inputgolfvorm verstrekken en gebruikt om het bijzondere lawaai eerder dan een niet-lawaaisignaal te erkennen.
