基于IALO-HBP神经网络的超宽带滤波器逆向建模方法

针对双陷波超宽带滤波器使用后向传输(BP)神经网络逆向建模存在精度较低、收敛慢、稳定性不强等问题,提出一种用改进的蚁狮算法(IALO)结合Huber函数优化BP神经网络逆向建模的方法。该方法通过将边界收缩因子连续化,引入动态更新系数以及加入柯西变异来实现对蚁狮算法的改进,并用改进的蚁狮算法优化正向模型的权值,加快建模速度,然后使用Huber函数作为神经网络的评价函数,提高了模型的精度和稳定度。将此方法用于双陷波超宽带滤波器中,实验结果表明,对比BP逆向建模方法,此方法求得的长度、宽度和频率均方误差分别减小了97.44%、99.43%和96.15%,平均运行时间缩短了66.01%,解决了逆向建模的多解问题,提高了设计滤波器的速度和精度。