基于改进遗传算法的FIR数字滤波器的优化设计
ValueEngineering·37·
基于改进遗传算法的FIR数字滤波器的优化设计
OptimalFIRFilterDesignbyImprovedGeneticAlgorithmBasedonBPNeuralNetwork
王耀辉①WangYaohui;陈超②ChenChao;孙鹏③SunPeng
(①重庆邮电大学通信与信息工程学院,重庆400065;②重庆邮电大学经济管理学院,重庆400065;③重庆邮电大学自动化学院,重庆400065)
Chongqing400065,China;②CollegeofEconomicsandManagementofCqupt,(①SchoolofCommunicationandInformationEngineeringofCqupt,
Chongqing400065,China;③AutomationInstituteofCqupt,Chongqing400065,China)
摘要:提出了利用基于BP(BackPropagation)神经网络的遗传算法来设计FIR数字滤波器的方法。针对遗传算法很难实现全局最优和搜索
速度比较慢的缺陷,提出了改进算法,该算法充分利用了遗传算法的全局搜索功能强和BP神经网络的搜索效率高,优化了搜索时间,提高了算
以设计低通滤波器的实例验证算法的可行性。法性能,对于解决大规模多极值优化问题特别有效。最后,
Abstract:FIRfilterisdesignedbythegeneticalgorithmbasedonBPneuralnetwork.Aimedatthedifficultyofglobaloptimizationandtheslowcomputationalrate,animprovedmethodisgiven.ThealgorithmtakesadvantageoftheglobalsearchcapabilitiesofgeneticalgorithmandthestrongsearchefficiencyofBPneuralnetwork.Itoptimizesthesearchtimeandimprovestheperformanceofthealgorithm.Itisparticularlyeffectiveforsolvinglarge-scaleoptimizationproblems.Theexampleoflow-passfilterdesignedbytheimprovedalgorithmshowsitsfeasibility.
关键词:FIR滤波器;遗传算法;BP神经网络
Keywords:FIRfilter;geneticalgorithm;BPneuralnetwork
中图分类号:TP39
文献标识码:A
文章编号:1006-4311(2011)17-0037-02
率,ws为阻带截止频率。
3改进的遗传算法的实现
将BP神经网络与遗传算法相融合,一方面由遗传算法保证学习的全局收敛性,克服BP对初始值的依赖性和局部收敛问题;另一方面,与BP算法的结合也克服了单纯遗传算法所带有的随机性和概率性问题,而有助于提高它的搜索效率。该算法实现的基本
[7][8]
思想是:在遗传算法每完成一定代数的进化后,保存当前最优个体,对其余个体进行一次神经网络的优化汁算,产生新的个体,这些新个体和保存的最优个体一起,形成新的一代种群,再参与到下一
M-1
代的进化中。
y(n)=Σh(i)x(n-i)
具体流程[2][9]如下:i=0
M-1第1步:随机产生初始种群,个体数目一定,每个个体表示为染-n
系统传递函数为H(z)=Σh(n)z色体的基因编码;
n=0
第2步:分成三个小的步骤,分别如下:
对于M阶线性相位FIR滤波器,其单位冲激响应h(n)为实数,
A.判断进化代数或者误差是否满足设定值,若满足则转C;
且以对称中心a=N-1对称,即有以下约束关系:B.计算个体的适应度,并判断是否符合优化准则,若符合,输出最佳个体及其代表的最优解,并结束训算;否则转向第3步;———————————————————————
C.保留最优个体,其余个体参加BP神经网络的优化计算,产生作者简介:王耀辉(1990-),男,河南信阳人,本科。
0引言
在数字信号处理中,滤波器一直占有重要的地位,数字滤波器在语音、图像处理和谱分析等应用中经常使用,其优化设计一直受到广大研究者和工程人员的关注。其中FIR数字滤波器有自己突出的优点:系统总是稳定的,易于实现线性相位,允许设计多通带或多阻带滤波器等。因此FIR滤波器在数字信号处理中得到广泛的应用。
窗函数法设计数字滤波器是最常见方法,但是一些常见窗口函数,如矩形窗、汉宁窗等,窗口形状固定,不能很好地满足多样性需[1]
求。而利用凯塞给出的经验公式则需要多次尝试。利用Parks-McClellan算法能够设计出性能最优的数字滤波器,但是算法实现过程十分复杂。FIR数字滤波器设计的问题是一个多变量多极值的寻优问题。遗传算法正是求解最优问题的有效方法,所以在滤波器设计中应用广泛。但是其本身也存在一些缺陷,所以可以对遗传算法进行改进,使其达到更优的效果。
1改进的遗传算法遗传算法(GeneticAlgorithm,简称GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。它提供了一种求解复杂系统优化问题的通用框架,它不依赖于问题的领域和种类,具有很强的鲁棒性。
但是,遗传算法很难实现全局最优,为了使所求的解尽量靠近全局最优,避免早熟现象的出现,虽然曾有人提出对算法的流程进行改进,但是结果收敛速度非常慢,需要花十几分钟才能得到一个较满意的结果,此时对于那些对时间要求苛刻的系统就很难满足要
[2]
求了。通过参考相关文献[2][3],结合BP(BackPropagation)神经网
这就是改进的遗传算法,络的优点,将BP神经网络引入遗传算法,
即基于BP神经网络的遗传算法,充分利用遗传算法全局搜索功能强和BP神经网络算法局部搜索能力强的特点,对于求解大规模多极值优化问题特别有效。
2FIR滤波器
2.1FIR数字滤波器的频率特性数字滤波器是对一个数字信号按照一定的要求进行运算,然后以数字形式输出的系统。输出仅与过去以及现在的输入有关的数字滤波器称为有限冲激响应FIR数字滤波器。可以表示为[4][5]:
h(n)=±h(M-1-n)根据h(n)的长度N为奇数或偶数,线性相位的FIR滤波器有4种类型。这4种类型的滤波器在频率特性上有各自的特点。根据待设计的滤波器频率特性的不同选择不同的类型。文中仅讨论其中的一种情形,通过修改相应的参数即可得到其他不同的类型。
对于低通滤波器来说,一般选用以下式子h(n)=h(M-1-n)而且式中:M为h(n)的长度且为奇数。在这种情形下数字滤波器的频率特性为M-1-nM-1
H(w)=Σh(n)cosw=h+Σ2h
n=0n=1
M-1-nM-1
cos(nw)θ(w)=-w
22
2.2数字滤波器的优化准则滤波器的优化设计,就是要用某种准则使待设计的滤波器的频率特性H(w)逼近理想的滤波器的频率特性H()。这里采用加权的切比雪夫最佳一致逼近准则[6]。dw
设希望设计的滤波器的幅度特性为H(),实际设计的滤波器dw
(w),则加权误差E(w)表示为的幅度特性为H
E(w)=W(w)[Hd(w)-H(w)]
M-1
Σ
ΣΣΣ
Σ
(M-1)/2
式中W(w)称为误差加权函数,是为了通带与阻带逼近精度的
maxE(w)Σ不同而设计的。所以,优化准则可以表示为:minΣ,其中
w∈s
S为通带和阻带(不含过渡带)。
对于低通滤波器有S勖[0,wp]∪[ws,π],式中wp为通带截止频
基于改进遗传算法的FIR数字滤波器优化设计_专业资料。借助云模型的思想将云模型和遗传算法相结合,对FIR数字滤波器进行优化设计.通过Matlab仿真验证了这种改进算法的...
基于遗传算法的FIR数字滤波器的优化设计_IT/计算机_专业资料。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...
龙源期刊网 http://www.qikan.com.cn 基于自适应遗传算法 FIR 数字滤波器优化 设计 作者:黄猛唐琳甄玉张杰 来源:《现代电子技术》2010 年第 02 期 摘要:FIR...
基于自适应遗传算法FIR数字滤波器优化设计_信息与通信_工程科技_专业资料。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...
( 2003) 05 - 0041 - 06 Ξ 摘 : 采用改进遗传量子算法 ( IG ) 进行 FIR 数字滤波器的优化设计 ,将滤波器的过渡带样本值 要 QA 作为变量进行优化 ,...
基于改进的混合基因算法的FIR数字滤波器设计_专业资料。研究了利用模拟退火遗传...利用了遗传算法的并行化抽样过程和模拟退火算法中控制算法的收敛性,不仅优化了...
利用遗传算法优化设计 FR数字滤波器 I李善姬 ,王晓丹 (边 大学 工 学院 , 吉林 延吉130)延302 摘 要:I 字滤 波器可 以做 成具有 严格 的 线性相 位,...
基于自适应遗传算法FIR数字滤波器优化设计基于自适应遗传算法FIR数字滤波器优化设计隐藏>> ?现代电子技术(2010 年第 2 期总第 313 期 计算机应用技术 基于自适应...
关键词:FIR 数字滤波器; 优化遗传算法; 滤波器设计 1 FIR 数字滤波器简述 一个数字滤波器的输出,如果仅取决于有限 个过去的输入和现在的输入,那么则称这类滤波...
热门文档