基于粒子群算法的數(shù)字濾波器設(shè)計.pdf

1、當前，在數(shù)字信號處理和電子應(yīng)用技術(shù)領(lǐng)域，濾波器作為一種必不可少的組成部分，處于一個非常重要的位置，已廣泛應(yīng)用于通信、語音、圖像、自動控制、雷達、軍事、航空航天、醫(yī)療和家用電器等眾多領(lǐng)域，并日益顯示出其巨大的應(yīng)用價值。 在經(jīng)典濾波器采用的電路中，若要同時滿足多個技術(shù)指標或達到較高的精度，往往設(shè)計復(fù)雜、結(jié)構(gòu)龐大、元件數(shù)量多，并且還可能達不到要求。隨著利用計算機技術(shù)解決濾波器設(shè)計的不斷深入，派生出了一個新的分支，即數(shù)字濾波器，同模擬濾

2、波器相比，它具有精度高、靈活性好、便于大規(guī)模集成等突出優(yōu)點。近二十年來，計算機技術(shù)的飛速發(fā)展為數(shù)字濾波器的設(shè)計和實現(xiàn)開辟了一條廣闊的道路。但是，由于對信號處理要求的不斷提高，現(xiàn)代濾波器設(shè)計所需要的計算也越來越復(fù)雜。因此借助于計算機輔助設(shè)計，對多種技術(shù)指標限制的濾波器進行逼近實現(xiàn)，就顯得十分重要和有意義了。 粒子群優(yōu)化算法(Particle Swarm Optimization，PSO)是由Kennedy和Evberhart在19

3、95年從鳥群、魚群和人類社會行為規(guī)律的啟發(fā)下提出的二種基于群智能 (Swarm Intelligence)的演化計算技術(shù)<'[1]>。算法模擬鳥群飛行覓食的行為，通過鳥之間的集體協(xié)作使群體達到最優(yōu)，與遺傳算法類似，它也是基于群體迭代，但沒有交叉和變異算子，是一種利用群體在解空間中追隨最優(yōu)粒子進行搜索的計算智能方法。PSO的優(yōu)點在于收斂速度快、設(shè)置參數(shù)少，簡單易實現(xiàn)，算法本身具有深刻的智能背景，既適合科學(xué)研究，又特別適合工程應(yīng)用。因此，利

4、用該優(yōu)化算法，在一定優(yōu)化準則下，可以使設(shè)計的濾波器性能達到最優(yōu)解。仿真結(jié)果表明，基于粒子群算法的數(shù)字濾波器優(yōu)化設(shè)計是一種十分有效的設(shè)計方法，可用于有限沖激響應(yīng)(Finite Impulse Respome，F(xiàn)IR)數(shù)字濾波器和無限沖激響應(yīng)(Infinite Impulse Response，IIR)數(shù)字濾波器的優(yōu)化設(shè)計中。 本文主要研究了基于粒子群優(yōu)化算法的數(shù)字濾波器的設(shè)計問題，對基本粒子群優(yōu)化算法本文受教育部科學(xué)技術(shù)重點項目(

5、104262)和重慶市科委基金項目(2003-7881)的資助。 作了一些改進和討論，并在給定指標的前提下，利用粒子群優(yōu)化算法來設(shè)計FIR和IIR數(shù)字濾波器，取得了較好的設(shè)計效果。本文主要開展了以下幾個方面的研究工作： (1) 研究了數(shù)字濾波器設(shè)計的相關(guān)技術(shù)問題，重點分析了數(shù)字濾波器的優(yōu)化設(shè)計方法。 (2) PSO算法中的參數(shù)是影響算法性能和效率的關(guān)鍵之一，本文針對PSO算法參數(shù)的選取進行了細致的分析，給出了一些

6、參數(shù)選取的指導(dǎo)性原則和一種改進后的基于慣性權(quán)重自適應(yīng)調(diào)節(jié)粒子群優(yōu)化算法(APSO)，以改進算法搜索能力和收斂精度的問題。 (3) 將PSO算法用于FIR和IIR數(shù)字濾波器的設(shè)計，并對計算機仿真結(jié)果進行了分析。 (4) 對研究成果進行了總結(jié)和展望。 通過本文的研究可以看出，利用粒子群優(yōu)化算法進行數(shù)字濾波器的設(shè)計，能夠獲得較好的效果?；趹T性權(quán)重自適應(yīng)調(diào)節(jié)的粒子群優(yōu)化算法不僅具有很強的全局搜索能力，而且在收斂精度和速