基于神经网络数字滤波器无波纹优化设计.pdfVIP

第２６卷第２期 四川理工学院学报（自然科学版） Ｖｏｌ２６　Ｎｏ２ ２０１３年４月 ＪｏｕｒｎａｌｏｆＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ａｐｒ２０１３ 文章编号：１６７３１５４９（２０１３）０２００４８０５ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３１５４９．２０１３．０２．０１２ 基于神经网络的数字滤波器无波纹优化设计 戴 俊，瞿成明，郝玲玲 （安徽工程大学电气工程学院，安徽 芜湖 ２４１０００） 　　摘　要：窗函数法设计的ＦＩＲ滤波器已被广泛应用，但滤波器边界频率不易精确控制，不能分别控 制通带与阻带的纹波幅度，在阻带边界频率附近的衰减最小。采用神经网络算法使所设计滤波器频响 与理想频响之间的全局误差在通带与阻带内最小，使通带阻带无波动无过冲，阻带有更大的衰减，通带 与阻带的边界频率容易控制。采用以上方法设计了一低通滤波器并在ＴＭＳ３２０Ｃ５４０２ＤＳＰ上进行了实 验，实验结果验证了算法的可行性，并改善了滤波器的性能。 关键词：神经网络；ＦＩＲ滤波器；窗函数法；ＤＳＰ 中图分类号：ＴＮ７１３ 文献标志码：Ａ 滤波器，并在ＴＩ公司的ＤＳＰＴＭＳ３２０Ｃ５４０２上实现，与窗 引 言 函数设计的滤波器相比，该滤波器性能优越，在通带与 ＦＩＲ滤波器具有稳定和严格的线性相位的突出优 阻带范围内无波动无过冲，通带与阻带的边界频率容易 点，因此，在工程应用中得到了广泛应用。ＦＩＲ滤波器设 控制。初始条件随机给定，算法的实现速度快，因此是 计的核心就是求出有限长的单位脉冲响应来逼近给定 一种有效的优化设计算法。 的频率响应，常规的设计方法有窗函数法和频率采样 １ 优化模型的建立 法，由于这两种方法都不能分别控制通带和阻带波纹幅 度，并且边界频率得不到精确控制，在应用中存在很大 １１ ＦＩＲ滤波器幅频响应特性 ［１４］ 的局限性 。因此，出现了一些优化算法，如等纹波最 一个长度为Ｎ的ＦＩＲ滤波器的频响为： ［１２］ ［５］ ［６］ 佳逼近法 、粒子群优化算法 、遗传算法 、神经网 Ｎ－１ ｊ －ｊｎ ω ω Ｈ（ｅ）＝ ｈ（ｎ）ｅ ∑ 络优化设计法。加权最小二乘法（ＷＬＳ）较容易实现并 ｎ＝０ ［７］ 单位脉冲响应为偶对称ｈ（ｎ）＝ｈ（Ｎ－１－ｎ），且Ｎ 能得到解析解 ，但此种算法需求解矩阵的逆，而高阶 ｊ ｊ（） ω θω 为奇数，则频响：Ｈ（ｅ）＝Ｈ（）ｅ ，其中相位特性： 矩阵的逆很难求解，因此对高阶滤波器的设计存在困