基于改进遗传算法的频率采样FIR滤波器的优化与仿真解析.docx

基于改进遗传算法的频率采样FIR滤波器的优化与仿真摘要： FIR滤波器在语音、图像处理和谱分析等应用中占有重要的地位，其优化设计一直受到广大研究者和工程人员的关注。频率采样法是FIR滤波器设计的一种常用方法，它在确定过渡带的值时常采用的是查表法；遗传算法作为一种模拟生物进化过程来寻求最优解的搜索算法，可以用来对FIR滤波器进行优化。本文通过两个MATLAB仿真实例介绍了遗传算法的实现步骤，并在标准遗传算法的步骤上有一点改变，对交叉算子作了一点改变并引入了早熟判断机制。最后通过比较查表法和遗传算法得到结果，得出遗传算法更有优势这个结论。关键词 ： FIR数字滤波器 改进遗传算法 频率抽样法 MATLAB仿真1 引言FIR数字滤波器以它具有的稳定性和线性相位这两个突出优点在信号处理中的许多领域特别是语音、图像处理中发挥了非常重要的作用。常用的FIR滤波器设计方法有窗口法、频率采样法、频率变换法和最佳滤波器设计法. 频率采样法直接从频域进行设计,物理概念清楚,直观方便，特别适合频率响应只有少数几个非零值的窄带滤波器设计。但频率采样法存在如何确定过渡带中的样本值,使阻带内的最小衰减最大的问题,解决这一问题通常采用查表法，但查表法不能保证所得的数据是最优的。因此本文提出将遗传算法( Genetic algorithm,GA)用于FIR 数字滤波器设计——频率采样技术中,确定频率过渡带样本的最佳值。GA 是一种模仿生物进化过程的结构型随机搜索。在解决给定的最优化任务时,算法开始时收集一些估计参数(称之为染色体),每一个估计参数都由其适应度函数来评估。在每一代, 适应度好的染色体允许配对交叉和繁殖,产生新的估计参数形成下一代。本文将GA 用于FIR 数字滤波器设计的频率采样技术中,解决了传统的查表法不能保证过渡带数据是最优的问题,并结合两个具体例子作了一些探索,实验结果令人满意。文中还对标准GA作了改进,为了保证算法的收敛性，将适应度最好的染色体不变地传至下一代，为了避免算法早熟的出现，引入一个早熟判别机制，并通过一些措施来克服早熟。2 频率采样技术频率采样技术是基于频率采样理论的一种设计方法。一个任意长的序列, 对它的频谱进行N 等分间隔抽样, 利用离散傅里叶反变换, 可以得到一个N 点有限长序列。这个有限长序列是原序列以N 为周期的周期序列的主值序列, 它是原序列的近似, 因而它的频率特性也将逼近原序列所对应的频率特性。对于一个理想频响,其对应的单位抽样响应是,对在单位圆上作N等分间隔抽样得到N个频率采样值H(k),由H(k)经IDFT得到N点有限长序列h(n),设H(z)是它的系统函数，则： (2-1)对理想频率响应进行等间隔抽样，可以得到，即：H(k)= (2-2)再对进行N点的IDFT，得到： (2-3)进而可以求得系统函数。对于线性相位滤波器，且满足h(n)=h(N-n-1),其频响函数应满足的条件是： k=0,1,2………N-1 (2-4) k=0,1,2………N-1 (2-5) N为奇数 k=0,1,2………N-1 (2-6) N为偶数 k=0,1,2………N-1 (2-7)给定理想低通滤波器,对在0到2P上的N个等间隔频率上抽样,通过对样本H(k)的内插, 得到实际响应。分析实际响应与理想之间的误差,频率采样技术目前有两种设计方法,第一种是对逼近误差不加任何限制,称之为朴素设计法。第二种方法则通过改变过渡带的样本值,努力使阻带中的误差最小化,称之为最优设计法。最优设计法是频率采样技术的常用方法。为了在阻带内得到更大的衰减,必须增大抽样点数N,使得过渡带中的样本数也相应增多。如何确定过渡带中的样本值,使阻带内的误差最小, 得到最大的衰减,通常采用的是查表法。但查表法存在不能保证所得数据是最优的问题。GA 是发现全局最优解的有力工具,在频率采样技术中用GA 确定过渡带样本值是一非常好的策略,完全解决了查表法存在的问题。另外对于过渡带的取样点数一般是根据经验数据来取得，过渡带的个数m与滤波器阻带的最小衰减的经验数据如下表一所示。 表一 过渡带采样点数的个数m与滤波器阻带最小衰减的经验数据m 1 2 3 44