一种基于S形函数LMS算法仿真探究.docVIP

一种基于S形函数LMS算法仿真探究摘要：定步长算法在收敛速度、时变跟踪能力和稳态失调噪声几个重要指标上不能兼顾。为此，参考人工神经网络中一种常用激励函数——形函数，并将其应用于变步长算法中。引入改变形函数曲线曲率及收敛终值的两个参数——。当值固定时，仿真表明若其值选择不当会引起较大误差。接着按照步长值在时变阶段自适应增大，在稳态阶段步长很小的原则，构造了变参数，仿真表明变参数算法兼顾多个参数，综合表现较好。 关键词：S形函数 变步长 误差信号 稳态失调噪声 中图分类号：TN911 文献标识码：A 文章编号：1007-9416（2013）02-0106-02 定步长算法因其计算简单易实现而在众多领域获得应用，但它在收敛速度、时变跟踪能力和稳态失调噪声几个重要指标上对步长的要求是相互矛盾的。为此人们提出了各种变步长算法，其基本思想是结合系统对收敛或跟踪能力的具体要求，寻求一种较优的代价函数来指导步长的非线性变化，代价函数的自变量是误差（误差的函数）。受形函数的非线性变化规律启发，在步长和误差之间建立参数可控的类似非线性关系。仿真结果验证了算法可行，兼顾收敛速度、时变跟踪能力和稳态失调噪声几个重要指标。 1 S形函数简介 形函数是人工神经网络建模时常用到的一种非线性激励函数，其形式为： （1） 或 （2） 函数曲线形状如下图1所示。从