采用改进遗传算法优化FIR数字滤波器设计

FIR数字滤波器的最优化设计可以抽象成一个多维连续函数求极值的问题,因此可以采用遗传算法求解。针对传统遗传算法存在的容易早熟收敛的问题,提出一种改进策略,从交叉变异的概率和算子两方面对算法进行改进,并通过测试函数验证了改进策略的可行性。分别在最小二乘（LS）、最大误差最小化（MM）和均方误差最小化（MMSE）准则下,采用改进遗传算法进行FIR数字低通滤波器最优化设计,实验结果显示在不同优化准则下设计的滤波器都表现出了良好的性能,证明了改进算法的通用性和有效性。     

基于DSP的FIR数字滤波器设计与实现

分析了FIR数字滤波器的基本原理,在MATLAB环境下利用窗函数设计FIR低通滤波器,实现了FIR低通滤波器的设计仿真.将设计的符合要求的滤波器在TI公司DSP TMS320LF2407A上实现.通过实验结果表明FIR滤波器准确度高、稳定性好,可以有效的滤除干扰信号,设计结果满足性能指标要求.     

利用小波函数设计FIR数字滤波器

本文将Morlet小波函数引入FIR窗函数设计，利用Morlet小波函数具有的特点，设计出的滤波器具有较小的过渡带，较大的阻带衰减，设计方法简单且计算量小等优点。计算机仿真结果证明了方法的有效性。     

改进量子遗传算法及其在FIR滤波器设计中的应用

在对遗传算法和量子遗传算法分析和比较的基础上,提出了一种改进的量子遗传算法,并通过典型函数的优化验证各算法性能的优劣。将改进的量子遗传算法应用于优化求解频率取样法设计FIR滤波器过程中的过渡点样值,实验结果表明算法可以得到更佳的设计参数。     

遗传算法在FIR窗函数设计中的应用

本文将遗传算法引入FIE的窗函数设计中,提出了窗函数可以由一系列离散的介于0－1的仅值来取代的思路。根据预期频率特性的指标要求,我们建立了窗权值的优化模型,并通过遗传算法来求解,所得的优化解将使对应FIE滤波器的频率特性较好地满足预期频率特性的要求。本设计方法简单,工作量小,具有高的灵活性和鲁棒性,数值实验表明了本方法的有效性。     

改进的遗传算法在数字滤波器优化应用研究

研究数字滤波器自动生成优化问题.针对传统的数字滤波器在优化设计时,容易往往出现难以调整波形系数,与硬件接口程序复杂,开发周期长等问题缺陷,为了解决上述问题,提出了一种采用改进的遗传算法应用于FPGA数字滤波器的优化设计中,利用了遗传算法全局优化概率检索的优点,求解复杂系统优化问题.把求解滤波器参数的问题数学化为性能指标优化模型,采用改进的遗传算法求得特性符合要求的滤波器参数值,仿真结果表明,设计系统软件界面可以根据用户设定的滤波参数,自动设计出符合要求的数字滤波器RTL.系统性能高效,能够大大提高滤波器的设计效率.数值仿真表明了算法的有效性.     

FIR数字滤波器的智能优化算法设计综述

对有限冲激响应(Finite Impulse Response,FIR)数字滤波器的智能优化算法进行了归纳和总结,优化算法设计将数字滤波器设计问题转化为误差函数最小化问题,相比传统的设计方法,智能优化算法更易确定通带和阻带的边界频率,降低计算复杂度并且减小幅频响应在通带和阻带上的误差。从收敛速度、通带波纹、阻带衰减等角度分析和比较了遗传算法、进化算法和粒子群算法等在FIR数字滤波器设计上的特点,着重讨论了粒子群算法中惯性权重等参数的改进策略。     

设计有限字长FIR数字滤波器的蚂蚁算法

蚂蚁算法(AA)是一种模拟蚂蚁觅食时建立蚁巢到食物最短路径的新型启发式优化算法.本文通过改进蚂蚁算法,取消了蚂蚁算法原型的禁忌表,将其应用于有限字长FIR数字滤波器的优化设计,并在最小最大(MM)、最小平方(LS)和纹波约束最小平方(PCLS)优化准则下,在通带和阻带施加适当的约束条件,建立相应的优化模型,给出了设计的详细实现步骤.该算法不仅程序实现简单,而且具有通用性强、本质并行的优点.仿真结果表明了该算法的优越性和通用性.     

利用MATLAB和窗函数法设计FIR数字滤波器

传统的数字滤波器设计方法繁琐且结果不直观,本文利用MATLAB具有强大的科学计算和图形显示这一优点,与窗函数法设计理论相结合共同设计FIR数字滤波器,不但使设计结果更加直观,而且提高了滤波器的设计精度,从而更好地达到预期效果.     

基于MATLAB的FIR数字滤波器的设计

在满足幅度特性的要求下,FIR系统可以保证严格的线性相位特性,合理设计滤波器各参数以逼近理想滤波器,从而满足设计性能指标。反之,在某种准则下设计滤波器各参数,可获取最优结果。这里借助MATLAB软件工具箱,采用三种不同的方法设计FIR数字滤波器,并进行对比。     

基于杂交粒子群算法的FIR数字滤波器设计

介绍了杂交粒子群算法的原理,通过三个典型Benchmark函数对该算法的收敛精度进行了测试.将杂交粒子群算法应用到FIR数字滤波器的设计中,从而计算出FIR数字滤波器的系数.通过高通和带通两个实例进行仿真实验,并与Parks-McClellan算法设计的滤波器进行对比,结果表明,采用杂交粒子群算法设计FIR数字滤波器具有更好的通带和阻带特性,是一种有效的方法.     

最大误差约束下最小二乘准则FIR滤波器设计

考虑了一类加权最小二乘复系数FIR滤波器的设计问题,要求滤波器通带及止带内频点的频率响应与期望响应误差小于给定的最大误差门限.结合半正定优化理论,经过数学推导,将该设计问题转换为半正定优化问题,然后借助内点方法给出最优滤波器系数.另外,该方法能够检测出给定约束条件的优化问题是否存在可行解,从而可以使设计者能够以自适应的方式调整约束条件.仿真结果表明设计算法是十分有效的,并具有很好的稳健性.     

基于MA型分布式算法的高阶FIR滤波器设计及其FPGA实现

针对利用现有分布式算法在FPGA上实现高阶FIR滤波器时,存在资源消耗量过大和运行速度慢等问题,提出一种新型高阶FIR滤波器的FPGA实现方法。首先综合采用多相分解结构、流水线等技术对高阶FIR滤波器进行降阶处理,然后采用提出的基于二输入开关和加法器对的分布式算法结构(MA型DA结构)实现降阶后的FIR滤波器。利用ISE10.1在Xilinx Xc2vp30 7ff896 FPGA开发板上实现了一系列8阶到256阶的串行和并行结构FIR滤波器。实验结果表明,该方法有效地减少了系统的资源消耗,提高了系统的时序性能。     

数字滤波器设计的文化量子算法

有限脉冲响应(FIR)和无限脉冲响应(IIR)数字滤波器的设计实质可看作是多参数优化问题。为实现高效的数字滤波器,首先将滤波器的设计转化为滤波器参数的约束优化问题,然后提出文化量子(CQ)算法在参数空间进行并行搜索以获得滤波器设计的最优参数值。提出的文化量子算法结合文化原理,在量子种群空间更新中使用了量子旋转门的知识进化机制,是一种可用于实数解优化的快速多维搜索算法。计算机仿真实验表明在对FIR和IIR数字滤波器设计时,文化量子算法的收敛速度和性能都优于粒子群,量子粒子群以及自适应量子粒子群优化等算法,证明了该方法的有效性和优越性。     

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。     

疯狂蝙蝠算法的低通FIR滤波器设计

针对处理滤波器设计问题,蝙蝠算法（BA）很容易陷入早熟收敛,提出改进的疯狂蝙蝠算法（CBA）旨在设计低通有限脉冲响应（FIR）滤波器。首先,在频率更新中引入两个随机数来控制全局与局部的平衡;其次,在标准蝙蝠算法中引入疯狂因子,使得蝙蝠算法以一定疯狂概率维持其多样性;最后,在局部搜索时,对算法的响度和脉冲发射率进行动态修正,便于精细搜索。将CBA与其他算法进行比较,仿真结果表明,疯狂蝙蝠算法在应用实例中优于其他算法,且能够有效、稳定用于低通FIR滤波器设计。     

An efficient hybrid genetic algorithm to design finite impulse response filters

Although genetic algorithms (GAs) have proved their ability to provide answers to the limitations of more conventional methods, they are comparatively inefficient in terms of the time needed to reach a repeatable solution of desired quality. An inappropriate selection of driving parameters is frequently blamed by practitioners. The use of hybrid schemes is interesting but often limited as they are computationally expensive and versatile. This paper presents a novel hybrid genetic algorithm (HGA) for the design of digital filters. HGA combines a pure genetic process and a dedicated local approach in an innovative and efficient way. The pure genetic process embeds several mechanisms that interact to make the GA self-adaptive in the management of the balance between diversity and elitism during the genetic life. The local approach concerns convergence of the algorithm and is highly optimized so as to be tractable. Only some promising reference chromosomes are submitted to the local procedure through a specific selection process. They are more likely to converge towards different local optima. This selective procedure is fully automatic and avoids excessive computational time costs as only a few chromosomes are concerned. The hybridization and the mechanisms involved afford the GA great flexibility. It therefore avoids laborious manual tuning and improves the usability of GAs for the specific area of FIR filter design. Experiments performed with various types of filters highlight the recurrent contribution of hybridization in improving performance. The experiments also reveal the advantages of our proposal compared to more conventional filter design approaches and some reference GAs in this field of application.