自适应线性神经元自适应线性神经元是在1962年由斯坦福大学教授Widrow提出的，它是一个自适应可调的网络，适用于信号处理中的自适应滤波、预测和模式识别。构成这种网络的基本单元Adaline类似于感知器单元，它是许多神经网络的基本积木块，主要用于自适应系统等连续可调过程。实际上，Adaline是一个自适应阈值逻辑元件。设神经元的输入信号为xk=[x0k，x1k，…，xnk]T，权系矢量为wk=[w0k，w1k，…，wnk]T，则其模拟输出由xk与wk的内积产生，即yk=xTkwk=wTkxk。
Madaline网络Madaline（多个Adaline）神经网是一个异联想的有教师的两层或多层前馈网，它的输出层含有多个处理单元。Madaline与感知器结构相同，其功能也是实现对样本的异联想聚类输出。不同之处在于其几何结构不同。感知器是通过调节超平面为基础，Madaline是通过计算所需（正确）输出与实际输出之间的均方误差*小为基础。
所示为两层Madaline网。两层Madaline网*小均方（LMS）算法如下：设Madaline是一离散两层网1（1）初始化FA到FB层间连接权向量W在[-1，1]范围内随机设定，置FB内各处理单元阈值为hj。（2）有下面方程确定FB内处理单元的兴奋输出1）y′j=∑ni=1wijai+hjj=1，2，…，p其中，ai为FA内处理单元的输出值。2）计算误差dj=yj-y′jj=1，2，…，p式中，yi是正确输出；y′j是实际输出；dj代表均方差。3）调整FA与FB间的连接权由方程表示为Δwij=αaidji=1，2，…，nj=1，2，…，p式中，α是一个标量，0<α<1。主要控制学习速率。（3）重复步骤2），直到误差校正值dj→0为止。
噪声抵消对于一个*优的滤波器，希望通过滤波将信号中的噪声去掉，这对一般的滤波器很难完全做到。是一个用Madaline来进行噪声抵消应用的示意图。如果有一个输入信号s，加入一个与s不相关的噪声n0作为Madaline神经元的要求响应，而与噪声n0相关的信号n1输入Madaline组成的自适应滤波器，其输出为y，y与n1相关，其误差为ε。
ε=s+n0-y假设s是平稳的零均值的随机信号，n0是一个独立于s的随机噪声，可以得到ε2=s2+（n0-y）2+2s（n0-y）E（ε2）=E（s2）+E[（n0-y）2]+2E[s（n0-y）]=E（s2）+E[（n0-y）2]通过调节MD（Madaline网络），得到Emin（ε2）=Emin（s2）+Emin[（n0-y）2]当Emin[（n0-y）2]→0，则说明y*靠近n0。此时系统输出ε为s，其噪声n0被抵消。
试验设计这里用自适应抵消器抵消环境噪声，用一个声音传感器放在谷堆里，一个传感器放在谷堆外，里面的传感器提供环境声音和虫子声音的原始输入，外面的传感器提供环境声音即相关噪声。*终环境噪声被自适应的过滤掉，留下了虫子的声音.
结论试验表明，Madaline神经网降噪方法确实可行，而且降噪效果良好。它较完整的保留了仓虫声音信号，从而为仓虫声音特征的提取及分类打下了良好的基础。