导读:本文包含了数字滤波器优化设计论文开题报告文献综述及选题提纲参考文献，主要关键词:权重改进,混沌粒子群算法,线性相位数字滤波器,参数优化
数字滤波器优化设计论文文献综述
胡鑫楠[1]（2019）在《基于改进型混沌粒子群优化算法的FIR高通数字滤波器设计》一文中研究指出文中采用混沌粒子群算法并结合权重改进对线性相位FIR数字滤波器进行设计。将最小均方误差函数作为适应度函数,并通过优化得到线性相位FIR数字滤波器的系数。通过实例进行仿真验证,并将所提算法与最小二乘法、基本粒子群算法等进行比较。仿真结果表明,采用混沌粒子群算法设计的线性相位FIR数字滤波器具有更好的收敛特性、带通特性和阻带特性。(本文来源于《计算机科学》期刊2019年S1期）
胡立凯,潘叁博[2]（2018）在《一种改进猫群优化算法的数字滤波器设计》一文中研究指出针对传统智能算法在无限脉冲响应(IIR)数字滤波器设计面临的收敛速度较慢和容易陷入局部极值等问题,提出了一种基于猫群优化算法的IIR数字滤波器设计方法。猫群优化算法分为搜寻模式和跟踪模式,通过对猫群行为的观察,改进猫群的行为模式并利用该算法设计IIR数字滤波器,经过与利用粒子群算法与自由搜索算法设计的滤波器进行比较,证明用本文算法设计的数字滤波器有更好的效果。(本文来源于《上海电机学院学报》期刊2018年05期）
李升[3]（2017）在《基于演化算法的双通带数字滤波器优化设计》一文中研究指出数字滤波器在信息传输领域占据不可或缺的位置,广泛应用于语音信号处理、医学生物信号处理、军事雷达、以及航空航天等多个领域。数字滤波器的性能优化变得尤为重要。在设计模拟滤波器时,所需要的高精度、多指标等要求不仅使设计过程变得更加复杂、结构庞大,而且易于受到外界的影响,很难达到目标要求。随着计算机科学和集成电路工艺的发展,我们可以通过计算机软件得到符合我们设计指标的数字滤波器。但是,在科技日益发展迅猛的今天,数字滤波器的性能指标不断提高,采取一般的设计方法很难实现较为复杂的数字滤波器结构。所以对于数字滤波器的性能优化变得十分重要。近些年来,演化算法十分广泛的应用于数字滤波器性能的优化。主要有:遗传算法(Genetic Algorithm,GA),神经网络算法(Neural Network Algorithm,NEA)、人工免疫算法(Immune Clonal Selection Algorithm,ICSA)、粒子群算法(Particle Swarm Optimization)和蚁群最优化算法(Ant Colony Optimization,ACO)等等。这些优化算法都是先根据数字滤波器的性能要求得出相对应的系统传输函数,然后由系统传输函数得到数字滤波器的结构,再依据各个算法的特点,有针对性的对数字滤波器的性能进行优化分析。本文主要通过遗传算法和粒子群算法分别对数字滤波器进行结构上的优化,然后二者实验对比,得到较优算法。在使用基于演化算法的方法来对数字滤波器进行优化时,首先利用遗传算法得到最优滤波器结构,再通过差分算法对数字滤波器参数进行近一步的优化。本文主要研究工作有以下几个方面:(1)介绍数字滤波器的设计方法。(2)分别利用遗传算法和粒子群算法设计数字滤波器结构。(3)通过遗传算法和粒子群算法优化得到的数字滤波器性能进行实验对比分析。(4)使用差分算法和步长变换算法对于遗传算法得到的数字滤波器进行更进一步的优化。(5)总结研究结果并做出展望通过本文的实验结果可以证明,基于遗传算法的数字滤波器的优化设计方法相对于粒子群算法能够得到较好的实验结果。根据滤波器的目标特性能够直接对滤波器的结构进行设计,在数字滤波器的设计过程中体现出一定的实用性,同时演化算法也具有广泛的适用性。(本文来源于《河南大学》期刊2017-05-01）
郭喜峰,栾方军,刘美菊,李云路,刘剑[4]（2016）在《引入超前-滞后校正的数字滤波器优化设计》一文中研究指出为满足有源电力滤波器谐波检测的需要,提出同时加入超前和滞后校正改善低通滤波器特性的优化设计。在比较各种滤波器后,选取二阶椭圆型滤波器作为谐波检测的核心;通过分析系统零极点的分布,得出影响系统性能的参数配置关系,并加入超前-滞后校正,对数字低通滤波器进行优化。仿真试验表明,该优化设计方法能够更好地满足电网谐波和基波无功电流检测的需要,使检测系统同时获得良好的检测精度和令人满意的动态响应速度。(本文来源于《自动化仪表》期刊2016年09期）
杨艳,徐平平[5]（2016）在《具有低群延迟的无限冲激长响应数字滤波器优化设计迭代算法》一文中研究指出针对具有近似线性相位的无限冲激长响应数字滤波器通带边缘附近具有较大群延迟误差情况,提出了一种改进的具有低群延迟约束优化迭代算法。该算法在群延迟约束条件下,通过给定初始值,经过多次迭代优化,得到一个最小化的群延迟。设计要求均满足系统稳定性和最大通带波纹和最小阻带衰减,结合二阶节滤波器结构,为防止过渡带过冲,将过渡带带宽增益控制在1的范围内。最后仿真实验以10阶和18阶的低通无限冲激长滤波器为例,在最大通带波纹为0.266 d B和0.232 d B,最小阻带衰减为36.132 d B和49.97 d B的参数下,用该文算法得到的群延迟与文献中方法相比较,分别降低了32.2%和26%,而过渡带增益了相对降低了10.5%和17.6%。(本文来源于《南京理工大学学报》期刊2016年04期）
顾绮芳[6]（2016）在《数字滤波器性能指标优化中FIR的设计与仿真研究》一文中研究指出数字滤波器,通俗来讲,就是一种算法或者装置,一般情况下由数字乘法器、加法器和延时单元3部分构成。对数字滤波器的设计方法研究已有20年的历史,目前其正处于稳定发展时期。遗传算法等优化算法的利用,在优化数字滤波器的性能指标以及仿真实现FIR数字滤波器方面进行得如火如荼。这种基于生物界自然选择和进化机制发展的算法具有并行度高、随机、自适应搜索等特点,当前在组合优化、生产调度、自动控制、图像处理、机器学习、数据挖掘等各个方面均有所应用。正如人们所理解的,数字信号处理就是从噪声中寻找有用的信号,恰巧这也是寻找最优解的过程。可以说,在数字滤波器设计方面,遗传算法是一个大胆的尝试。所以,文章针对数字滤波器性能指标优化中FIR的设计与仿真进行了研究。(本文来源于《无线互联科技》期刊2016年15期）
万子墨,邵普阳,马腾飞[7]（2016）在《关于数字滤波器优化设计研究》一文中研究指出数字滤波器作为数字信号处理的主要单元,其传统的设计方法已经成熟,而且可以直接套用现有的公式、表格、参数,因此,传统的数字滤波器设计方法较容易实现。然而,传统的数字滤波器设计方法不适合高阶数字滤波器,这是由于传统的数字滤波器不能很好的控制通带与阻带边界的频率,从而导致数字滤波器性能指标存在一定的误差,而随着高科技性能的发展要求,使得数字滤波器对误差的要求越来越高,这就使得传统的数字滤波器设计方法无法满足误差要求。因此,需要深入的研究数字滤波器的设计。本文就数字滤波器优化设计进行了研究。(本文来源于《四川水泥》期刊2016年07期）
陆慧慧[8]（2016）在《基于智能优化算法的数字滤波器设计》一文中研究指出数字滤波器的优化设计是一个多参数优化问题,现在很多现有的算法不能很好的求解出最好的解。本文改进了一种新颖的具有快速全局搜索的群体智能算法—文化蜂群(Cultural Bee Colony, CBC)算法并将其应用在数字滤波器中。本文首先详细推导了 FIR和ⅡR数字滤波器优化设计的具体模型和目标函数。进而针对以粒子群(Particle Swarm Optimization, PSO)算法、量子粒子群(Quantum-behaved Particle Swarm Optimization,QPSO)算法、人工蜂群算法(Artificial Bee Colony, ABC)、文化算法(Culture Algorithm, CA))为代表的经典群体智能算法进行了原理阐述,并将其应用于数字滤波器设计,仿真比较了经典算法的滤波器设计性能。对针对基于ABC算法的数字滤波器优化设计的缺点,提出了兼有CA算法双层进化空间的优点和ABC算法叁种互补搜索机制优点,同时引入反向学习机制的CBC算法。在建立CBC算法的构架后,给出了将CBC算法应用于数字滤波器优化设计的具体流程并仿真比较与经典算法的性能差异。仿真实验结果显示,CBC算法在FIR数字滤波器设计中,其表现明显优于PSO算法、QPSO算法、CA算法和ABC算法的设计;对于ⅡR数字滤波器优化设计中,CBC算法的表现明显优于PSO算法、QPSO算法、CA算法。同时在工程FPGA实现的基础上,设计了以改进的分布式算法的数字FIR滤波器,并用CBC优化算法的滤波器系数,同较好的QPSO的滤波器系数滤波效果的对比,验证了改进算法的CBC优越效果。(本文来源于《哈尔滨工程大学》期刊2016-06-01）
杜长操[9]（2016）在《余弦基神经网络在FIR数字滤波器优化设计中的应用研究》一文中研究指出伴随电子信息应用技术和数字信号处理技术的快速发展,数字滤波器的作用也与日俱增,各行各业对数字滤波器的要求越来越高。虽然传统的数字滤波器设计方法成熟,实现方式简单,但由于滤波精确度低,时间复杂度高,结构庞大,使用不灵活,滤波效果不太理想。尤其是对于特定领域的滤波应用,传统的数字滤波器往往起不到令人满意的效果,直接影响到该领域的可持续发展。因此人们致力于各种新型数字滤波器的研究,努力提高滤波器性能并逐渐扩大应用的领域。现代数字滤波器可以说是对传统数字滤波器的一个完善与优化的过程,多年来,很多国内外的专家学者在数字滤波器的优化与设计的问题上做了许多研究工作,提出了一些优化设计方法,并且得到了一些较为理想的效果。数字滤波器的种类繁多,按滤波器工作的网络结构分有无限脉冲响应(InfiniteImpulse Response,IIR)数字滤波器、有限脉冲响应(FiniteImpulse Response,FIR)数字滤波器。相对于IIR数字滤波器,FIR数字滤波器由于系统更稳定且更易于实现,因此被广泛应用于各个行业。本文概述了FIR数字滤波器相位与幅度函数的特性,简单叙述了传统数字滤波器的设计方法,分析了其不足并指出了利用神经网络对FIR数字滤波器优化设计的必要性。本文介绍了两种典型的前馈型神经网络,并给出了这两种神经网络的模型以及算法步骤,分析了他们在逼近方式、训练算法等方面的区别。为了提高数字滤波器的阶数,增强数字滤波器的滤波效果,使得滤波器在相同阶数的条件下有更大的阻带衰减,可将神经网络算法与FIR数字滤波器的优化设计相结合。由于FIR数字滤波器的幅频特性函数是有限长的傅里叶级数,因此可用余弦基函数神经网络模型来设计FIR数字滤波器。本文给出了基于余弦基神经网络模型的FIR数字滤波器的优化设计算法,分析了其不足,并对算法进行了改进,即对径向基函数神经网络训练步骤的权值系数进行调整,采用递推最小二乘法对该权值进行训练,以达到滤波器的优化设计目的。然后,在改进算法的基础上对FIR数字滤波器做了进一步的优化。同时,对FIR数字滤波器的过渡带采样点进行优化,并利用大量的仿真实验获得更佳的过渡带采样值。通过MATLAB实验仿真测试,实验结果对比分析表明,运用改进后的算法对FIR数字滤波器进行优化效果更好,滤波器阻带衰减更大,性能更优。(本文来源于《江西师范大学》期刊2016-05-01）
王红琳,常翠宁,李志南,南新元[10]（2015）在《改进教与学优化算法的IIR数字滤波器设计》一文中研究指出针对IIR数字滤波器的设计问题,对降阶模型的设计是典型的多峰优化问题,基本的教与学优化算法在解决该问题易陷入局部最优。针对上述缺陷提出了一种改进的教学优化(MTLBO)算法。改进算法引入反向学习技术,增加解的多样性;同时为避免迭代初期的无效搜索,针对性的设计了分段式的学习策略,用以均衡算法的全局搜索和局部搜索能力。将MTLBO算法应用于IIR数字滤波器同阶和降阶模型的设计,通过两个典型案例的仿真,与PSO算法、DE算法相比,验证了改进算法的优越性和有效性。(本文来源于《计算机仿真》期刊2015年11期）
数字滤波器优化设计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统智能算法在无限脉冲响应(IIR)数字滤波器设计面临的收敛速度较慢和容易陷入局部极值等问题,提出了一种基于猫群优化算法的IIR数字滤波器设计方法。猫群优化算法分为搜寻模式和跟踪模式,通过对猫群行为的观察,改进猫群的行为模式并利用该算法设计IIR数字滤波器,经过与利用粒子群算法与自由搜索算法设计的滤波器进行比较,证明用本文算法设计的数字滤波器有更好的效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数字滤波器优化设计论文参考文献
[1].胡鑫楠.基于改进型混沌粒子群优化算法的FIR高通数字滤波器设计[J].计算机科学.2019
[2].胡立凯,潘叁博.一种改进猫群优化算法的数字滤波器设计[J].上海电机学院学报.2018
[3].李升.基于演化算法的双通带数字滤波器优化设计[D].河南大学.2017
[4].郭喜峰,栾方军,刘美菊,李云路,刘剑.引入超前-滞后校正的数字滤波器优化设计[J].自动化仪表.2016
[5].杨艳,徐平平.具有低群延迟的无限冲激长响应数字滤波器优化设计迭代算法[J].南京理工大学学报.2016
[6].顾绮芳.数字滤波器性能指标优化中FIR的设计与仿真研究[J].无线互联科技.2016
[7].万子墨,邵普阳,马腾飞.关于数字滤波器优化设计研究[J].四川水泥.2016
[8].陆慧慧.基于智能优化算法的数字滤波器设计[D].哈尔滨工程大学.2016
[9].杜长操.余弦基神经网络在FIR数字滤波器优化设计中的应用研究[D].江西师范大学.2016
[10].王红琳,常翠宁,李志南,南新元.改进教与学优化算法的IIR数字滤波器设计[J].计算机仿真.2015