基于粒子群算法的數字濾波器設計.pdf

1、當前，在數字信號處理和電子應用技術領域，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域，并日益顯示出其巨大的應用價值。 在經典濾波器采用的電路中，若要同時滿足多個技術指標或達到較高的精度，往往設計復雜、結構龐大、元件數量多，并且還可能達不到要求。隨著利用計算機技術解決濾波器設計的不斷深入，派生出了一個新的分支，即數字濾波器，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，計算機技術的飛速發(fā)展為數字濾波器的設計和實現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，現代濾波器設計所需要的計算也越來越復雜。因此借助于計算機輔助設計，對多種技術指標限制的濾波器進行逼近實現，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<'[1]>。算法模擬鳥群飛行覓食的行為，通過鳥之間的集體協作使群體達到最優(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、設置參數少，簡單易實現，算法本身具有深刻的智能背景，既適合科學研究，又特別適合工程應用。因此，利

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

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)化算法來設計FIR和IIR數字濾波器，取得了較好的設計效果。本文主要開展了以下幾個方面的研究工作： (1) 研究了數字濾波器設計的相關技術問題，重點分析了數字濾波器的優(yōu)化設計方法。 (2) PSO算法中的參數是影響算法性能和效率的關鍵之一，本文針對PSO算法參數的選取進行了細致的分析，給出了一些

6、參數選取的指導性原則和一種改進后的基于慣性權重自適應調節(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數字濾波器的設計，并對計算機仿真結果進行了分析。 (4) 對研究成果進行了總結和展望。 通過本文的研究可以看出，利用粒子群優(yōu)化算法進行數字濾波器的設計，能夠獲得較好的效果。基于慣性權重自適應調節(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