摘要: 为了进一步提高径向基函数神经网络非线性自适应滤波的收敛性和稳态性,提出了一种基于径向基函数神经网络(RBFNN)的改进变步长最小均方自适应滤波算法。首先,利用反双曲正切函数的变步长最小均方算法和变尺度函数替换变步长模型中的定参数,以解决固定步长的弊端和变步长模型中定参数的选择问题;然后,将改进算法应用于RBFNN,训练更新网络的中心、宽度参数和输出权值参数,以提高梯度算法下RBFNN滤波的性能;最后,在非线性系统辨识及混沌时间序列预测中进行仿真实验,结果表明,所改进的算法在收敛速度和稳态误差性能上具有明显的优势。
中图分类号: