基于神经网络的FIR滤波器设计与应用

本文介绍了基于神经网络的FIR滤波器的设计方法 ,给出了神经网络的训练算法 ,并利用该设计方法构造了一个 5 0Hz带阻滤波器 ,与常规的用窗函数法设计的滤波器进行了对比 ,发现基于神经网络的方法所设计出的滤波器通带阻带无过冲无波动 ,具有更好的性能 .最后将这两种滤波器作用于受噪声污染的脑电信号 ,并给出了实验结果     

神经网络设计二维带通三型FIR滤波器

为了改善传统方法设计的二维带通三型有限脉冲响应(FIR)滤波器的幅频响应性能，提出了复合正
弦基神经网络算法.以理想滤波器的幅度响应作为学习样本，通过复合正弦基神经网络训练，使得实际滤
波器的幅度响应逼近理想滤波器的幅度响应，再由神经网络的权值得到滤波器的脉冲响应.给出了复合余
弦基神经网络模型，建立了滤波器幅频响应与该神经网络的关系，同时指出了学习率对神经网络收敛性的
影响,推导并证明了使该算法收敛的收敛定理. 仿真结果表明，由该算法设计的二维带通三型FIR滤波器性
能接近于理想滤波器,并且克服了传统神经网络的主要缺陷，收敛速度快.     

基于复合余弦基神经网络的图像去噪滤波器

针对图像受噪声干扰问题,提出了一种基于复合余弦基神经网络的图像去噪低通滤波器,以及保证该神经网络算法收敛的收敛定理,并给出了证明.该方法通过复合余弦基神经网络对幅频响应训练,调整网络权值,控制总的能量函数在给定的极小范围内,使得实际滤波器特性逼近理想图像去噪低通滤波器特性,从而达到满意的去噪效果.仿真结果显示,复合余弦基神经网络图像去噪滤波器各项特性接近理想滤波器.与传统的图像滤波器去噪方法比较,该方法设计的图像去噪滤波器具有更好的去噪效果.     

噪声有源控制的模糊神经网络方法

使用Filter-X算法研究有源噪声控制问题，存在需要较高阶次的滤波器和当主噪声路径是非线性时控制效果不佳的缺陷，为此提出了一种基于模糊神经网络的非线性噪声有源自适应控制方法，并给出了一种基于误差梯度下降的学习算法，一个非线性的仿真例子表明，模糊神经网络控制方法对于非线性噪声控制效果明显。     

磁力轴承控制系统中IIR滤波器的设计与实现

介绍了无限冲激响应(IIR)滤波器的设计原理,给出了利用M atlab信号处理工具箱设计IIR滤波器的方法及其详细的设计步骤。利用信号处理工具箱的FDATool工具设计了一种应用于磁力轴承控制系统的5阶IIR滤波器,给出了其频率特性曲线。最后,给出了在基于TMS320LF2407A DSP的磁力轴承控制系统上实现该IIR滤波器的思路并给出了其滤波效果。     

神经网络辅助的组合导航系统信息融合方案

传统的Kalman滤波器自适应能力弱，而单纯的神经网络滤波器估计精度较差，且网络训练经验性太强。面向组合导航领域，提出BP神经网络辅助自适应联邦Kalman滤波器方案，设计并实现了SINS／GPS／TAN／SAR智能化容错组合导航系统。结合自适应滤波和神经网络两种方法共同提高系统的自适应能力，并提出新的神经网络输入量，改善了算法的实时性。系统的估计精度得到显著提高，仿真结果证明了该方案的可行性和有效性。     

高阶FIR多带阻数字滤波器优化设计研究

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之间的关系,给出了FIR高阶多带阻数字滤波器的优化设计实例,提出并证明了神经网络算法的收敛性定理.仿真结果表明,算法不仅是有效的,而且在FIR高阶数字滤波器优化设计领域具有很大的优越性.且算法不涉及逆矩阵的计算,有效解决了国内外其它优化设计方法无法设计高阶FIR线性相位滤波器的问题.     

3型FIR带通滤波器优化设计

研究了3型FIR线性相位滤波器的幅频特性与神经网络算法之间的关系,提出了该神经网络算法的收敛性定理,为神经网络训练中学习率大小的选择提供了理论依据.该算法有效避免了FIR高阶数字滤波器优化设计中求高阶矩阵逆的困难,为高阶FIR数字滤波器的优化设计提供了一种快速有效的设计方法.最后给出了FIR高阶数字滤波器的优化设计实例.计算机仿真结果表明了该神经网络并行算法在3型FIR高阶数字滤波器优化设计领域的有效性.     

基于神经网络的化工设备设计数据描述方法

利用神经网络对适合于计算机辅助设计技术应用的化工设备设计描述方法进行了研究，提出了１种基于神经网络的化工设备设计数据描述方法。给出了实例说明了方法的有效性。     

硬件实现基于BP神经网络设计的带阻FIR滤波器

针对带阻FIR滤波器传统设计方法的不足和缺陷,在改进BP神经网络设计带阻FIR滤波器方法的基础上,提出了BP神经网络设计FIR滤波器的硬件实现方法.通过神经网络训练使得实际滤波器的幅度响应逼近理想滤波器的幅度响应,训练得到带阻滤波器系数,再利用数字信号处理芯片(DSP),设计适当的FIR滤波器结构以及硬件结构,从硬件上实现带阻FIR滤波器.试验结果显示,用该方法设计的带阻FIR滤波器克服了传统方法的主要缺陷,具有良好的幅频特性及衰耗特性,并且边界频率控制精确.     

自动选取参数 N 的 FIR 线性相位数字滤波器的最优化设计方法

本文介绍了一个对FIR 线性相位数字滤波器的CAD 方法的改进方法。它给出了FIR 线性相位低通数字滤波器参数之间的关系式。基于这一关系式,就可以利用现有的,实用的数字滤波器设计程序对低通数字滤波器进行有效的设计。最后给出的一些计算结果表明这种方法比以前的方法更有效。     

双通带数字滤波器优化设计研究

提出了一种基于BP算法的正弦基函数神经网络模型及算法的收敛条件,研究了该神经网络算法与FIR线性相位滤波器幅频特性的关系,给出了高阶双通带滤波器的优化设计实例.计算机仿真结果表明,该神经网络算法不仅是有效的,而且是高效的.与传统的窗口函数法和雷米兹优化设计方法相比,其优化设计方法不需要计算矩阵的逆,因而克服了雷米兹优化设计方法求高阶矩阵逆的困难.     

二维系统H∞反卷积滤波器的设计

研究了二维系统一般模型的H_∞反卷积滤波器的设计问题,利用线性矩阵不等式(LMI)方法得到了该问题可解的充分条件,给出了基于一般模型的H_∞反卷积滤波器的设计方法,并通过仿真验证了该方法的有效性。     

高阶数字图形均衡器的设计

本文描述了基于高阶峰值滤波器设计数字图形均衡器的设计方法,并给出了一个设计实例。提出了一种新的模拟高阶低通shelving滤波器原型,并描述了从模拟低通shelving滤波器到数字峰值滤波器的频率转换方法。数字图形均衡器的实现采用二阶和四阶数字峰值滤波器的级联结构。设计实例的实验结果表明,由于高阶滤波器具有更平坦的通带和陡降特性,一个频段的通带增益基本与其它频段的增益无关。     

非线性时滞系统的H_∞模糊滤波器设计

研究了非线性时滞系统的H∞模糊滤波器设计问题。基于李亚普诺夫稳定性理论和线性矩阵不等式方法,并结合自由权矩阵技术,提出了一种滤波器设计的新方法。根据线性矩阵不等式的可解性,给出了H∞模糊滤波器存在的充分条件。仿真例子验证了所提出方法的有效性。     

基于FPGA的高斯滤波器的快速实现

为了降低高斯滤波器的结构复杂性,提高计算速度,提出基于FPGA的串联多级均值滤波器快速逼近高斯滤波器的方法,通过VHDL语言实现滤波器设计并给出在FPGA上的仿真实现结果.该方法简化了高斯滤波器的设计结构,提高了响应速度.实验结果表明：整个滤波器的实现时间可以跟FPGA的工作频率同步,满足了数据流实时性的要求.该设计可以应用到实时的信号处理过程中.     

基于粒子群算法的自适应滤波器研究及应用

针对神经网络自适应滤波器易于陷入局部极小的缺陷,采用抑制局部最优的粒子群算法优化神经网络的权系数,设计了基于改进粒子群算法训练的三层神经网络的自适应滤波器,并将其应用于自适应噪声抵消器.仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声抵消能力,信噪比大大提高.     

基于模拟退火遗传算法的FIR数字滤波器设计

研究了用模拟退火遗传算法来设计FIR数字滤波器，并针对算法在寻优过程中，参数搜索缓慢的特点提出了改进方法，该方法在一定程度上提高了算法的搜索性能．并结合FIR低通数字滤波器的设计给出了仿真结果。     

ⅡR DF设计的高阶关联神经网络优化方法

基于全反馈高阶关联神经网络优化理论,提出了一种ⅡR数字滤波器神经网络优化设计方法(ⅡR-NNO)的理论框架。表征设计质量的加权均方误差当作神经网络能量函数,导出了ⅡR-NNO的Lyapunov方法。简要说明了该方法计算机实现的基本原则,通过设计实例及与其他方法的比较,证明了它的有效性。     

基于多层感知器的3型多带通FIR滤波器设计

利用多层感知器神经网络设计了3型多带通FIR滤波器,其基本思想是该神经网络利用总误差的能量函数,使能量函数递减,然后根据给定的幅频响应以及通带和阻带误差设计滤波器。提供了有效的训练方法,克服了传统方法的主要缺陷,改进了滤波器的设计。该方法设计滤波器收敛速度很快,适用于高阶系统。仿真结果表明该方法设计的3型FIR线性相位多带通滤波器的性能接近于理想滤波器。