基于神经网络控制韵LMS算法及其仿真.pdfVIP

TechniqueandMethod 基于神经网络控制韵 LMS算法及其仿真 修海燕 ，闫德 勤 (辽宁师范大学 计算机与信 息技术学院，辽宁 大连 116081) 摘 要 ：提 出了一种新的基于神经网络控制的 自适应变步长LMS算法fBP—LMS)。通过 BP模型 构建输入 向量之 间的非线性关系、偏差、学习步骤及 自适应过程来确定学习的步骤 。为 了扩展 BP神 经 网络 的应用范围，同时也提 出了如何确定输入信号是否类似 的方法。仿真实验表明。BP—LMS算法 确实可以有效减少收敛时间并达到满意的效果 关键词 ：可变步长LMS算法；BP神经网络 ；信号相似度 ；相似度计算 中图分类号 ：rrP18 文献标识码 ：A 文章编号 ：1674—7720(2011)05—0098—04 LMS algorithm and simulation based on neuralnetwork control Xiu Haiyan，Yan Deqin (DepartmentofComputerandInformationTechnology，LiaoningNormalUniversity，Dalian 116081，China) Abstract：ThispaperpresentsanewvariablestepsizeLMSalgorithm (BP-LMS)basedonneuralnetworkconlro1．Anon—linear relationship amongstthe inputvectors，deviation errors and the learning steps is constructed by BP model，which is employed to determinethelearningstepsduringadaptiveprocessing．To extend theusing scopeofatrainedBP neuralnetwork，thisresearch also bringsforwardthemethodtodeterminewhethertheinputsignalsweresimilar．Simulation experimentssuggestthatBP—LMSalgorithm iscapableofdecreasingthetimeofconvergentprogressrapidlyand satisfactoryperfomr ance isattainable． KeyWOrds：variablestep sizeLMS algorithm；BP neuralnetwork；signalsimilarity；similaritycomputation 自适应信号处理 已广泛应用于系统辨识 、声纳技术 输入 向量 、偏差 以及学 习步长之 间的模块 。由于对 BP— 及 图像处理等相关领域llI。基于 自适应滤波理论滤波器 LMS算法最重要 的工作是设置 BP神经 网络控制 ，假设 ， 参数 可 以最佳方 式进 行 反复调整 。Widrow 和 Hoff在 如果输入信号相同 ，则只需要构建一个 BP神经 网络 即 1960年提 出了一种 简单而有 效 的 LMS fLeast—Mean— 可控制几个 自适应滤波器 的学习步骤 。此外 ，实验结果 Square)算法 。在 LMS算法 中，确定学习步骤 是一个基 表 明，BP—LMS算法能在滤波器稳定运行 的状态下提高 本 的 问题 。如果选择太小 ，收敛速度将会非常缓慢 ．而选 收敛速度 。 择太大则极易造成不稳定[2-31。尽管 Widrow 已经建议 了 1LMS 自适应 滤波 学 习步长 的范 围 (0x／1／A一，A一是输入信 号 的最大 自适应滤波器 的实现如 图 1所示 。图中s(n)、(n)、 特征值)，保证 了算法 的收敛 ，但最佳学 习步长选择 问题 d(n)、e