基于神经网络控制的LMS算法及其仿真  

LMS algorithm and simulation based on neural network control

作　　者：修海燕[1] 闫德勤[1] 

机构地区：[1]辽宁师范大学计算机与信息技术学院,辽宁大连116081

出　　处：《微型机与应用》2011年第5期98-101,共4页Microcomputer & Its Applications

基　　金：国家自然科学基金(60372071);中国科学院自动化研究所复杂系统与智能科学重点实验室开放课题基金(20070101)资助;辽宁省教育厅高等学校科学研究基金(2008344)

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(BP-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。This paper presents a new variable step size LMS algorithm （BP-LMS） based on neural network control. A non-linear relationship amongst the input vectors, deviation errors and the learning steps is constructed by BP model, which is employed to determine the learning steps during adaptive processing. To extend the using scope of a trained BP neural network, this research also brings forward the method to determine whether the input signals were similar. Simulation experiments suggest that BP-LMS algorithm is capable of decreasing the time of convergent progress rapidly and satisfactory performance is attainable.

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 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]