摘要：径向基函数（RBF）神经网络可广泛应用于解决信号处理与模式识别问题，目前存在一些学习算法用来确定RBF中心节点和训练网络，对于确定RBF中心节点向量值和网络权重值可以看作同一系统问题，因此该文提出把扩展卡尔曼滤波器（EKF）用于多输入多输出的径向基函数（RBF）神经网络作为其学习算法，当确定神经网络中网络节点的个数后，EKF可以同时确定中心节点向量值和网络权重矩阵，为提高收敛速度提出带有次优渐消因子的扩展卡尔曼滤波器（SFEKF）用于RBF神经网络学习算法，仿真结果说明了在学习过程中应用EKF比常规RBF神经网络有更好的效果，学习速度比梯度下降法明显加快，减少了计算负担。