余弦基神經網絡在FIR數(shù)字濾波器優(yōu)化設計中的應用研究.pdf

1、伴隨電子信息應用技術和數(shù)字信號處理技術的快速發(fā)展，數(shù)字濾波器的作用也與日俱增，各行各業(yè)對數(shù)字濾波器的要求越來越高。雖然傳統(tǒng)的數(shù)字濾波器設計方法成熟，實現(xiàn)方式簡單，但由于濾波精確度低，時間復雜度高，結構龐大，使用不靈活，濾波效果不太理想。尤其是對于特定領域的濾波應用，傳統(tǒng)的數(shù)字濾波器往往起不到令人滿意的效果，直接影響到該領域的可持續(xù)發(fā)展。因此人們致力于各種新型數(shù)字濾波器的研究，努力提高濾波器性能并逐漸擴大應用的領域?，F(xiàn)代數(shù)字濾波器可以說是

2、對傳統(tǒng)數(shù)字濾波器的一個完善與優(yōu)化的過程，多年來，很多國內外的專家學者在數(shù)字濾波器的優(yōu)化與設計的問題上做了許多研究工作，提出了一些優(yōu)化設計方法，并且得到了一些較為理想的效果。數(shù)字濾波器的種類繁多，按濾波器工作的網絡結構分有無限脈沖響應（Infinite Impulse Response, IIR）數(shù)字濾波器、有限脈沖響應（Finite Impulse Response, FIR）數(shù)字濾波器。相對于IIR數(shù)字濾波器，F(xiàn)IR數(shù)字濾波器由于系統(tǒng)

3、更穩(wěn)定且更易于實現(xiàn)，因此被廣泛應用于各個行業(yè)。本文概述了FIR數(shù)字濾波器相位與幅度函數(shù)的特性，簡單敘述了傳統(tǒng)數(shù)字濾波器的設計方法，分析了其不足并指出了利用神經網絡對FIR數(shù)字濾波器優(yōu)化設計的必要性。
　　本文介紹了兩種典型的前饋型神經網絡，并給出了這兩種神經網絡的模型以及算法步驟，分析了他們在逼近方式、訓練算法等方面的區(qū)別。為了提高數(shù)字濾波器的階數(shù)，增強數(shù)字濾波器的濾波效果，使得濾波器在相同階數(shù)的條件下有更大的阻帶衰減，可將神經網

4、絡算法與 FIR數(shù)字濾波器的優(yōu)化設計相結合。由于FIR數(shù)字濾波器的幅頻特性函數(shù)是有限長的傅里葉級數(shù)，因此可用余弦基函數(shù)神經網絡模型來設計FIR數(shù)字濾波器。
　　本文給出了基于余弦基神經網絡模型的FIR數(shù)字濾波器的優(yōu)化設計算法，分析了其不足，并對算法進行了改進，即對徑向基函數(shù)神經網絡訓練步驟的權值系數(shù)進行調整，采用遞推最小二乘法對該權值進行訓練，以達到濾波器的優(yōu)化設計目的。然后，在改進算法的基礎上對FIR數(shù)字濾波器做了進一步的優(yōu)化。