基于自适应神经网络的二维线性相位FIR滤波器优化设计.pdfVIP

第16卷第2期 电路与系统学报 V01．16No．2 2011年4月 JOURNALOFCIRCUITSANDSYSTEMS April，2011 文章编号：1007．0249(2011)02—0094-05 基于自适应神经网络的二维线性相位FIR滤波器优化设计· 李目1,2， 何怡刚1， 刘祖润2， 周少武2 (1．湖南大学电气与信息工程学院，湖南长沙410082；2．湖南科技大学信息与电气工程学院，湖南湘潭4】120I) 摘要。提出一种基于自适应三角函数基神经网络的二维线性相位FIR滤波器优化设计方法。该方法根据二维线性 相位FIR滤波器幅频响应特性，采用三角函数基神经网络优化算法计算滤波器系数，同时在神经网络训练过程引入自 适应学习率算法，提高神经网络的学习效率和收敛速度。通过训练神经网络的权值，使二维线性相位FIR滤波器幅频 响应与理想幅频响应之间的误差平方和最小。文中给出了二维线性相位圆形低通滤波器优化设计实例，仿真结果表明， 该方法设计二维线性相位FIR滤波器具有运算量小、速度快和稳定性好等优点。 关键词t三角函数；神经网络：自适应学习率；二维圆形低通滤波器 中国分类号tTN713 文献标识码一A 1 引言 长期以来，二维数字滤波器在地质、地震、遥感和生物医学等领域中的图像处理、图形识别和数 据处理等方面得到广泛的应用，因此，它的设计问题一直是引人注目的研究课题。众所周知，对于二 维IIR滤波器设计的关键是解决稳定性问题；而对于二维FIR滤波器设计的关键问题是要尽量降低计 算代价，提高设计精度。迄今，国内外学者提出了很多种设计方法，包括窗函数法【l】、频率抽样法【21、 实现等特点，但滤波器设计精度不高；McClellan变换法虽然对滤波器频率响应有比较好的逼近效果， 但在对高维滤波器进行变换的过程中存在系数标称化问题，因此在实际应用中受到限制；对于最优化 设计法，其性能优于前几种方法，能够利用最优化算法获得最佳滤波器系数，因此设计精度能够达到 很高，但在最优化过程中往往要进行复杂的高阶矩阵运算或长时间的迭代运算，计算量太大，增加滤 波器设计的复杂性；文献【8】提出神经网络优化设计算法，该方法设计的滤波器精度高，通带和阻带的 边界和波动易于控制，但神经网络的学习率难于确定，在保证神经网络收敛的学习率取值范围内，学 习率的大小通常依靠经验或试算法来确定，而学习率的取值将影响神经网络的收敛和系统的稳定性。 本文提出了一种基于自适应三角函数基神经网络的二维线性相位FIR滤波器优化设计方法。该方 法根据二维线性相位FIR滤波器的幅频响应特性，采用三角函数基神经网络的良好函数逼近能力，实 现二维线性相位FIR滤波器的幅频响应与理想幅频响应的误差平方和最小，同时在三角函数基神经网 络的训练过程中引入自适应学习率算法，使学习率的取值根据网络训练时的参数自适应调整，提高神 经网络的学习效率和收敛速度，将网络的权值调整到最优，获得高精度的滤波器系数。通过对二维线 性相位圆形低通FIR滤波器的设计，仿真结果表明了该方法的有效性。 2 二维线性相位FIR滤波器幅频特性 设二维FIR滤波器的频率响应为： L-IL-I H(e／q，e施)=罗∑h(m，n)e—j(mah”吮’ (1) 磊：； 。收稿日期-2009-03·31修订日期：2009一10—25 湖南省科技计划项目(2010J4)；广东省教育部产学研项目(20098090300196) 第2期 李日等：基于自适应神经网络的二维线性相位FIR滤波器优化设计 95 h(m，疗)=h(L一1一m，L一1一n)，则线性相位滤波器的频率响应可表示为： Ⅳ(P问，P』吃)=e-J2--产q蚓H(col，％) (2) 则滤波器幅频响应／4(o巩，0)2)可表示为： (3)