優(yōu)化方法在數(shù)字信號(hào)處理中的應(yīng)用研究.pdf

1、頻譜分析、濾波優(yōu)化和預(yù)測在現(xiàn)代數(shù)字信號(hào)處理中獲得了廣泛應(yīng)用，因此深入研究頻譜分析、濾波優(yōu)化、預(yù)測等智能優(yōu)化方法具有重要的理論研究意義。本文主要研究內(nèi)容如下:
　　(1)提出了一種基于共軛梯度法的頻譜分析算法。該算法用共軛梯度法優(yōu)化三角函數(shù)基神經(jīng)網(wǎng)絡(luò)的系數(shù)，然后通過該系數(shù)得到信號(hào)的幅度譜及相位譜。該算法是有效的頻譜分析算法因?yàn)樗?jì)算精度高，計(jì)算速度快，且能濾除噪聲。同快速傅里葉變換比起來，它能使真實(shí)信號(hào)的頻譜特性得以更確切地表現(xiàn)。<

2、br>　　(2)提出了基于改良差分進(jìn)化算法的FIR線性相位數(shù)字濾波器優(yōu)化設(shè)計(jì)算法。該算法將FIR線性相位數(shù)字濾波器的幅度函數(shù)H（ω）表示成余弦基函數(shù)的線性組合，因此，模擬理想濾波器的幅頻特性就轉(zhuǎn)化為求解余弦基函數(shù)的線性組合的系數(shù)的問題，將系數(shù)向量看成是改良差分進(jìn)化算法種群中的個(gè)體，進(jìn)而通過變異操作、交叉操作、選擇操作進(jìn)化出優(yōu)良個(gè)體即為逼近理想濾波器的幅頻特性所需要的系數(shù)。
　　(3)為了得到能夠反映數(shù)據(jù)總的變化趨勢的曲線，論文提出