基于支持向量機(jī)的濾波器設(shè)計(jì)及硬件實(shí)現(xiàn).pdf

1、濾波器是電子設(shè)備中的常見模塊，經(jīng)典的濾波器設(shè)計(jì)方法有窗函數(shù)法，頻率抽取法等。自機(jī)器學(xué)習(xí)的理論出現(xiàn)后，神經(jīng)網(wǎng)絡(luò)等算法廣泛應(yīng)用到FIR濾波器的設(shè)計(jì)中。本文針對(duì)傳統(tǒng)FIR濾波器設(shè)計(jì)方法及神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法的不足，在改進(jìn)使用支持向量機(jī)(SVM)設(shè)計(jì)FIR濾波器方法的基礎(chǔ)上，提出了SVM設(shè)計(jì)FIR濾波器的硬件實(shí)現(xiàn)方法，將由SVM設(shè)計(jì)的濾波器移植到硬件上。使用SVM構(gòu)造FIR濾波器，得到的濾波器可更新，并且使用的訓(xùn)練樣本較少，本文中使用理想濾波器的幅

2、值響應(yīng)訓(xùn)練SVM。
　　本文引入針對(duì)訓(xùn)練集輸出值的放大參數(shù)，該參數(shù)將數(shù)據(jù)集分離，并影響最終的幅頻響應(yīng)。SVM模型中訓(xùn)練參數(shù)較多，如訓(xùn)練組數(shù)、懲罰參數(shù)、核函數(shù)參數(shù)等，進(jìn)行多次測(cè)試，將結(jié)果進(jìn)行比較得到最優(yōu)訓(xùn)練參數(shù)，據(jù)此構(gòu)建基于SVM的FIR濾波器模型。相對(duì)于窗函數(shù)，使用SVM設(shè)計(jì)的濾波器具有良好的幅頻特性，邊界控制較為精確，通帶較為平緩，阻帶波動(dòng)次數(shù)較少，衰減較多。為了保證濾波器的可更改性和便于其移植到其他系統(tǒng)里，利用生成的FIR濾波