一种基于优化分布式算法的FIR滤波器设计

本文针对采用分布式算法设计实现高阶FIR滤波器时,RAM资源占用较多的问题,提出了一种分布式算法的优化方法。讨论了分布式算法的基本原理,给出了分布式算法的优化方法并进行FPGA设计。结果表明,优化分布式算法相比于传统分布式算法,RAM资源占用量减少50%,具有良好的工程应用价值。

一种无谐振C型滤波器的优化设计方法

现有无功补偿电容谐振抑制方法通常将无功补偿电容配置为无谐振C型滤波器,以降低谐振带来的谐波电压放大与滤波器有功损耗。但在抑制低频谐振时,无谐振C型滤波器的元件参数可选择范围较小,难以在实现低频谐振抑制的同时兼顾滤波器配置成本。针对这一问题,文中提出一种无谐振C型滤波器优化设计方法。首先,设计一种改进C型滤波器结构,在传统C型滤波器结构中增加低频谐振抑制单元,消除滤波器潜在低频谐振点;然后,建立计及滤波器配置成本、有功损耗、谐振抑制性能及元件参数选择范围的滤波器元件参数配置模型,求解改进C型滤波器元件参数最优值。最后,通过仿真对比证明,改进C型滤波器在控制配置成本与有功损耗的基础上,能明显降低谐波放大系数,具有更好的谐振抑制性能。

粒子群优化算法在FIR数字滤波器设计中的应用

本文针对有限脉冲响应(FIR)数字滤波器的设计实质上是一个多参数优化问题,提出了一种用粒子群优化算法(PSO)设计FIR数字滤波器的方法.首先将滤波器的设计问题转化为滤波器参数的优化问题,然后利用粒子群优化算法对整个参数空间进行高效并行搜索以获得参数的最优化.FIR数字低通、带通滤波器设计实例证明了该方法的有效性和优越性.

基于粒子群优化算法的FIR数字滤波器设计

探讨FIR数字滤波器设计的粒子群优化算法及其实现.它根据预期频率特性的设计要求,建立优化模型,并通过快速粒子群算法求解其优化值.所得的序列使对应FIR滤波器较好地满足了预期频率特性指标,设计方法简单实用,具有很高的灵活性和鲁棒性.并且较遗传算法有更快的收敛速度,数值实验表明了本方法的有效性.

粒子群优化算法在FIR数字滤波器设计中的应用

介绍了基于粒子群优化算法的FIR数字滤波器的设计方法,并用该方法设计了一个高通滤波器。与用Parks-McClellan算法设计的高通滤波器进行了对比,发现基于粒子群优化算法的FIR滤波器的通带波动更小,阻带衰减更大。将用这两种算法设计的滤波器作用于混频信号,得出的结果也证明了基于粒子群优化算法的FIR滤波器的有效性。

改进的粒子群优化算法设计FIR低通数字滤波器

粒子群优化算法(PSO)因具有参数少、易于实现等优点,在解决优化问题时表现出很好的性能。有限长单位脉冲响应(FIR)数字滤波器因具有稳定的结构、易于实现等优点,在实际中有着很广泛的应用。因此,将基于三角函数因子的改进PSO算法(TFPSO)用于对FIR低通数字滤波器性能的优化,并将其与基于折射原理反向学习(refrPSO)、基于反向学习(OPSO)的PSO算法所设计的FIR低通数字滤波器的性能进行比较。在实验中构造出一种性能较好的适应值函数,以验证这几种改进的PSO算法所设计的FIR低通数字滤波器的性能。实验结果表明,基于三角函数因子的PSO算法滤波性能较差,而基于折射原理反向学习的PSO算法性能最佳。

基于频率采样技术的FIR数字滤波器优化设计

本文提出了一种FIR数字滤波器满意优化设计方法,将滤波器过渡带样本值作为优化变量,通过设计通带、过渡带和阻带性能指标满意度函数和综合满意度函数,构造出满意优化模型,并用本文提出的新量子遗传算法搜索满意解,FIR高通和带阻数字滤波器的设计结果表明,采用满意优化方法设计的FIR滤波器的性能优于传统方法。

基于自适应遗传算法FIR数字滤波器优化设计

FIR数字滤波器优化设计的目标是对滤波器理想性能的逼近。遗传算法是一种模仿生物进化过程的全局优化概率搜索算法,它提出了一种求解复杂系统优化问题的通用框架,且不依赖于问题的领域和种类,在此将自适应的遗传算法应用于FIR数字滤波器的优化设计,通过评价种群的"早熟度"来自适应调整交叉率和变异率,提高了遗传算法的搜索效率。计算机仿真结果证明,该算法能够获得满意的滤波器性能。

FIR线性相位滤波器优化设计研究

本文详细研究了ＦＩＲ线性相位滤波器的幅频特性与余弦基函数神经网络算法的关系，分析了神经网络系统的稳定条件，给出了ＦＩＲ滤波器优化设计实例。计算机仿真结果表明了该算法的有效性和优异性能。

设计有限字长FIR数字滤波器的Tabu优化算法

该文提出了设计有限字长 FIR数字滤波器的 Tabu优化算法,这是一种模拟人的记忆过程的并行优化算法。首先,详细描述了 Tabu算法并给出了计算步骤;然后将 Tabu算法应用于有限字长 FIR数字滤波器的优化设计;最后给出了模拟计算结果。

利用遗传算法优化设计FIR数字滤波器

FIR数字滤波器可以做成具有严格的线性相位,而且同时可以具有任意的幅度响应,因而在工程实际中得到了广泛的应用,遗传算法又是一种强有力的寻优算法。介绍了一种遗传算法在FIR数字滤波器设计——加权切比雪夫最佳逼近准则优化设计方法中的应用。对基本遗传算法作适当改进后,用于确定待求FIR数字低通滤波器的单位冲激响应h(n),然后利用MATLAB仿真程序求出了滤波器的幅度特性曲线,仿真结果说明了算法的有效性。

基于Matlab的FIR数字滤波器的优化设计

通过实例介绍了基于Matlab的FIR滤波器的优化设计方法。3种结果比较发现,在同样阶数下,优化设计可以获得最佳的频率特性和衰耗特性。

神经网络在4型FIR滤波器的优化设计研究

本文详细讨论了4型线性相位滤波器幅频特性与正弦基神经网络算法间的关系,提出并证明了该算法的收敛定理,给出了FIR高通滤波器和FIR带通滤波器优化设计实例。计算机仿真结果表明,该算法在FIR高通滤波器和带通滤波器的有效性和优异性能。

神经网络在4型FIR高阶多通带滤波器的自适应优化设计研究

提出了一种新的基于神经网络的FIR线性相位数字滤波器的自适应优化设计方法 .根据 4型FIR滤波器的幅频响应特性 ,构造出一个相应的神经网络模型 ,并建立了FIR线性相位数字滤波器的神经网络算法 .该算法通过训练神经网络权值 ,使设计的数字滤波器与希望得到的FIR线性相位滤波器的幅频响应之间的误差平方和最小化 ,从而获得FIR线性相位数字滤波器的脉冲响应 .提出并证明了该算法的收敛定理 ,给出了FIR高阶多通带滤波器自适应优化设计实例 .计算机仿真结果表明 ,该算法计算精度高 ,收敛速度快 ;用该算法设计的高阶多通带滤波器 ,其幅频响应的阻带衰减很大 ,而通带波动很小 .

基于遗传算法的FIR数字滤波器的优化设计

提出了基于最大误差最小化准则 ,利用遗传算法实现 FIR低通数字滤波器的优化设计 ,所设计的滤波器达到了非常理想的性能 .

基于CPLD的线性相位FIR滤波器优化设计

通过建立有限脉冲响应 ( FIR)滤波器的离散数学模型 ,提出了基于复杂可编程逻辑器件( CPLD)的 FIR滤波器的一种优化设计方案和新算法。实验结果表明 ,系统响应速度快 ,占用硬件资源小 ,在保证线性相位的前提下 。

二维线性相位FIR 数字滤波器的优化设计

该文提出了一种用神经网络算法来设计二维线性相位数字滤波器的新方法。通过分析二维FIR 线性相位滤波器的幅频响应特性,建立了神经网络算法。根据给定的幅频响应指标,按该算法可获得滤波器系数。为保证该算法的稳定性,提出并证明了该算法的收敛定理。文中给出了圆对称和矩形对称二维低通线性相位FIR 数字滤波器优化设计实例。计算机仿真结果表明由该方法设计的二维数字滤波器,通带和阻带范围波动小,所需计算量非常少,稳定性强,因而是一种优异的设计方法。

FIR滤波器设计的半无穷维二次优化方法

Parks-McClellan方法是FR滤波器设计中常用的设计方法。这种方法基于最小最大误差判据，使得设计的滤波器响应与期望滤波器响应之间的最大误差最小化，但是忽略了误差能量。该文基于半无穷维二次优化（SDO）技术给出一个设计FIR数字滤波器的新方法。该方法把FIR滤波器设计问题转化为SIQO模型．在峰值误差满足给定指标的条件下，使得设计滤波器与理想滤波器之问的误差能量最小化。与ParksMcCellan方法相比，该文方法在牺牲较少的最大阻带增益的情况下极大地降低了阻带误差能量。设计实例证实了该方法的有效性。

一种FIR高阶多通带数字滤波器的优化设计方法

为有效提高有限冲激响应FIR(FiniteImpulseResponse)高阶数字滤波器优化设计速度和精度,根据FIR线性相位滤波器的幅频特性,提出了一种基于激励矩阵为Hd-CTW的神经网络算法。该算法的主要思想是用神经网络算法优化设计的FIR滤波器的幅频特性与理想滤波器的幅频特性在整个通带和阻带范围内的误差平方和为最小,算法不涉及逆矩阵运算。为了保证该算法的收敛性,提出并证明了神经网络算法的收敛性定理,为神经网络学习率的选择提供了理论依据。该算法的主要特点是可实现样本集数据的并行训练,有效提高了计算速度。为了验证该算法的有效性,给出了多通带FIR高阶数字滤波器优化设计实例,仿真结果表明了该算法具有高的计算精度和快的计算速度。

基于GA-BP网络的FIR数字滤波器优化设计

针对FIR数字滤波器BP设计方法的缺点,从切比雪夫最佳一致逼近思想出发,提出了一种FIR数字滤波器优化设计的遗传算法与BP网络相结合方法,建立了优化设计模型,在MATLAB7环境下进行了仿真。仿真结果表明,设计相同阶数滤波器,GA-BP网络算法与经典的BP网络算法相比,具有更好的频率特性,达到对理想滤波器的最佳一致逼近。