基于神经网络的4型FIR滤波器的优化设计

详细讨论了4型线性相位滤波器的幅频特性与正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。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。计算机仿真表明了该算法的有效性和优异性能。     

基于自适应神经网络的二维线性相位FIR滤波器优化设计

提出一种基于自适应三角函数基神经网络的二维线性相位FIR滤波器优化设计方法.该方法根据二维线性相位FIR滤波器幅频响应特性,采用三角函数基神经网络优化算法计算滤波器系数,同时在神经网络训练过程引入自适应学习率算法,提高神经网络的学习效率和收敛速度.通过训练神经网络的权值,使二维线性相位FIR滤波器幅频响应与理想幅频响应...     

基于神经网络的FRM滤波器优化设计研究

以频率响应屏蔽(FRM)技术为基础,提出了一种基于神经网络的窄过渡带FIR数字滤波器的优化设计新方法.该算法主要通过使频率响应平方误差函数最小化来获得FRM滤波器系数.文中详细介绍了基于神经网络的基本FRM滤波器和多层FRM滤波器的设计算法及设计步骤,证明了该算法的稳定性定理,给出了仿真实例,并与已有的设计方法进行了比较,设计结果表明用该方法设计的窄过渡带FIR数字滤波器性能更为优越.     

自适应加权FIR-Myriad混合滤波算法

针对FIR滤波器滤除脉冲噪声以及加权Myriad滤波器滤除高斯噪声的不足,提出基于FIR滤波器和加权WMy滤波器有效组合的一类新的非线性滤波器FIR-WMyH滤波器.利用神经网络中的反向传播算法,在均方误差准则下,推导了一个基于统计梯度的自适应算法.基于稳定α分布脉冲噪声模型下的仿真结果说明了该算法的良好的性能.     

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。     

基于模拟退火神经网络的Ⅰ型FIR数字滤波器设计

提出一种基于模拟退火神经网络设计FIR数字滤波器的方法,是对用神经网络设计方法的一种改进.由于线性相位FIR数字滤波器的幅频特性是有限项的傅里叶级数,因此构造了一个三层余弦基神经网络模型,并用模拟退火算法进行了优化,然后给出了高阶滤波器优化设计的实例.仿真表明经优化设计后的滤波器具有更好的性能和更稳定的效果.     

高阶多通带滤波器优化设计研究

本文详细讨论了FIR线性相位滤波器幅频特性与余弦基神经网络算法之间的关系,证明了神经网络的收敛定理,给出了高阶多通带滤波器的设计实例.研究结果表明该算法在准理想多通带滤波器设计中的有效性和优异性能.     

高阶带通滤波器设计研究

本文详细讨论了FIR线性相位滤汉器幅频特性与神经网络算法之间的关系,证明了神经网络的收敛性条件,给出了FIR高阶带通滤波器的设计实例,研究结果表明该算法在高阶带通滤波器的优化设计中的有效性和优异性能。     

回波抵消中级联神经网络滤波器的研究

针对回波通道同时具有线性和非线性特征以及目前的声回波抵消器主要是基于对回波通道的线性假设,提出可用一个级联的神经网络滤波器来作为一个非线性AEC中的滤波器结构.它由一个前馈的神经网络滤波器构成,即由一系列线性FIR滤波器串联而成;并采用了不同的自适应算法来估算滤波器的线性和非线性.实验结果表明,这种自适应级联神经网络滤波器能收敛于一个比线性自适应FIR滤波器更高的回波损失增益.     

神经网络在高阶滤波器优化设计中的应用研究

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网络算法的关系,证明了神经网络系统的稳定条件,给出了FIR阶滤波器优化设计实例。计算机仿真结果表明了该算法在高阶滤波器设计中的有效性和优异性能。     

3型FIR高阶多通带滤波器的自适应优化设计研究

本文详细讨论了3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，提出了该算法的收敛定理，给山了有限脉冲响应（FIR）高阶多通带滤波器自适应优化设计算法及实例。计算机仿真结果表明了该算法在FIR高阶多通带滤波器的有效性和优异性能。     

FIR带通滤波器优化设计研究

提出了一种基于BP学习算法的正弦基函数神经网络模型，给出了该社会网络模型的收敛性条件，为社会网络训练的学习效率选取提供了依据。根据本文提出的优化设计算法，作者详细研究了FIR线性相位带通滤波器优化设计实例，研究结果表明，本文设计的FIR带通滤波器，基阻带衰耗特性好，最小衰耗分别在100分贝和140分贝以上，这是任何其它优化设计方法难以实现的，研究结果表明了本文提出的基于BP算法的正弦基神经网络模型是一种有效的神经网络模型。     

Design of FIR linear phase filters with discrete coefficients usingHopfield neural networks

A novel method is presented for designing FIR linear phase filters with discrete coefficients using Hopfield neural networks. The proposed procedure is based on the minimisation of the energy function of the Hopfield neural network, and can produce a good solution to the design of FIR linear phase filters with discrete coefficients     

A new class of nonlinear filters-neural filters

A class of nonlinear filters based on threshold decomposition and neural networks is defined. It is shown that these neural filters include all filters defined either by continuous functions, such as linear finite impulse response (FIR) filters, or by Boolean functions, such as generalized stack filters. Adaptive least-mean-absolute-error and adaptive least-mean-square-error algorithms are derived for determining optimal neural filters. As special cases, adaptive generalized stack and adaptive generalized weighted order statistic filtering algorithms under both error criteria are derived. Experimental results in 1D and 2D signal processing are presented to compare the performances of the adaptive neural filters and other widely used filters