基于神经网络FIR滤波器设计仿真.pptVIP

基于神经网络的FIR滤波器设计仿真 电子6班：** 指导老师：*** 论文结构 绪论 数字滤波器 神经网络 设计部分 设计部分 一型FIR滤波器幅频特性： 频率响应 由此可得FIR滤波器的幅频响应： 神经网络建模 在（0,π）之间均匀采样获得离散期望输出Md(m),其中m=1,2…M 幅频响应可以重写为： H=CTa 现在定义误差函数为：e=Md-H 目标函数： 按最速下降法可以由下式获得a： 该神经网络算法过程总结如下： 1、在ω∈（0，π）内均匀采样理想滤波器的幅频响应Md(m)，以获得离散向量作为训练样本，对权值a赋一个随机初始值，定义一个任意小数ε 2、通过H=CTa，算出新的输出H 3、计算出误差e和目标函数V(e) 4、由 通过反馈算法更新权值向量a 5、如果目标函数V（e）ε，则返回到第二步继续训练，否则就结束神经网络训练。 仿真实例 设计一个80阶的陷波频率为ωm=0.35π的FIR陷波器。 首先设N=81，ε=10-10，η=0.0244，并在（0，π）之间均匀采样，获得41个训练样本，ωm=π(m-1)/40, m=1,2,…,41,随机设初始权值a为0.5，经过43次训练，得到预期结果。 所设计的FIR陷波器幅频响应如下图 本文算法的缺点及改进 常用改进方法： 1基于标准梯度下降法改进 2基于数值优化方法改进 3优化激活函数 总结 本文针对一维线性FIR滤波器的四种类型的设计问题，提出了一种以余弦基函数作为隐层激励函数的设计方法。它是一种有导师学习算法。通过给权值赋以随机值，并给定期望输出，再通过实际输出与期望输出对比得到误差来影响并更新权值，不断训练直到得到预期结果。 谢 谢 * * n=1,2,…,(N-1)/2