噪声抵消技术是信号处理的核心问题之一。基于神经网络的自适应噪声抵消技术是一种能够很好的消除背景噪声影响的信号处理技术，克服了传统自适应噪声抵消技术的缺陷，成为目前信号处理当中的热点研究课题之一。 人工神经网络是理论化的大脑神经网络的数学模型，是基于模仿人脑神经网络结构和功能的一种信息处理系统，能够进行复杂的逻辑操作和非线性关系的实现。利用神经网络来设计自适应噪声抵消系统具有重要的理论意义和实用价值。 本文所做的主要工作有： (1)较系统地阐述了自适应滤波器和自适应噪声抵消器的基本原理，介绍了常用的最小均方(LMS)自适应算法，分析了影响噪声抵消性能的有关参数。 (2)综述了神经网络的结构特点和学习算法，重点分析研究了单隐层和多隐层前馈神经网络的特性。 (3)提出了基于四层前馈神经网络的自适应噪声抵消器，推导出算法迭代公式。 (4)进行了计算机仿真。将神经网络自适应滤波器与横向自适应滤波器的仿真结果作比较。比较结果表明，所提出的自适应噪声抵消器具有良好的噪声消除能力，在实际应用中时实性要求不高时，神经