随着现代社会的发展,噪声消除问题广泛地受到人们的关注,如何有效地消除噪声成为人们迫切需要解决的问题。通常情况下采用LMS自适应滤波器和RLS自适应滤波器处理噪声,但往往遇到非线性问题时处理效果不佳,而利用神经网络的非线性逼近的能力可以很好地解决这类问题,因此,研究基于神经网络的自适应噪声抵消系统有着十分重要的意义。论文首先介绍了自适应滤波器的原理和自适应噪声抵消技术的原理,分析了自适应噪声抵消系统的性能,介绍了LMS算法和RLS算法,并将它们简要对比后,指出神经网络算法具有明显的优势。其次,介绍了BP网络的原理和RBF网络结构,重点分析了几种BP算法和RBF学习算法以及BP网络参数。通过实验仿真研究了BP网络算法、参数和径向基函数网络参数对自适应噪声抵消系统的性能影响,在两路噪声信号线性相关和非线性相关情况下建立了基于OSS算法的BP网络自适应噪声抵消系统和基于OLS算法的径向基网络自适应噪声抵消系统。具体研究内容包括确定输入信号、BP网络算法、BP网络隐含层节点数、传递函数、径向基函数隐含层最大节点数以及径向基函数扩散速度。接下来,在两路噪声信号线性相关和非线性相关条件下,将基于OSS算法的BP网络自适应噪声抵消系统与基于OLS算法的RBF网络自适应噪声抵消系统分别进行不同输入信号的仿真实验,分析了两个系统去噪后的信号的时域图和误差变化曲线,比较了系统性能的差异,计算了两个系统消噪后的输出信噪比和信噪比增量,并对信噪比增量作了对比。实验结果表明两个系统不论在两路噪声线性相关还是非线性相关问题上均具有很好的噪声抵消效果。基于OLS算法的RBF网络自适应噪声抵消系统在处理两路噪声非线性相关问题上的性能更优,而基于OSS算法的BP网络自适应噪声抵消系统在两路噪声信号线性相关条件下性能略佳。最后,将基于OLS算法的RBF网络自适应噪声抵消系统用于胎儿心电信号的提取,仿真结果证明它能够实时地抵消干扰噪声,胎儿心电信号提取效果良好。