基于改进BP-LMS自适应滤波器算法的仿真研究

摘要

传统的LMS自适应滤波器收敛速度较慢,存在步长、收敛速度和失调的矛盾。针对此问题,提出了一种基于神经网络控制的自适应滤波器变步长算法,其中神经网络结构选择改进后BP神经网络模型,在反向传播过程中加入动量因子和自适应学习方法。使用自适应滤波器输入信号、输出信号、误差和步长因子建立网络关系(BP-LMS),确定学习步骤进行训练优化。基于理论与仿真实验结果表明,新算法收敛速度快,可以使自适应滤波与神经网络误差补偿相结合,在信噪比低的情况下,可以减少稳态失调,提高测量精度,表现出良好的性能。