基于智能優(yōu)化算法的數(shù)字濾波器設計.pdf

1、數(shù)字濾波器的優(yōu)化設計是一個多參數(shù)優(yōu)化問題，現(xiàn)在很多現(xiàn)有的算法不能很好的求解出最好的解。本文改進了一種新穎的具有快速全局搜索的群體智能算法—文化蜂群(CulturalBeeColony, CBC)算法并將其應用在數(shù)字濾波器中。
　　本文首先詳細推導了FIR和IIR數(shù)字濾波器優(yōu)化設計的具體模型和目標函數(shù)。進而針對以粒子群(Particle Swarm Optimization，PSO)算法、量子粒子群(Quantum-behaved

2、ParticleSwarmOptimization，QPSO)算法、人工蜂群算法(Artificial Bee Colony, ABC)、文化算法(Culture Algorithm, CA))為代表的經(jīng)典群體智能算法進行了原理闡述，并將其應用于數(shù)字濾波器設計，仿真比較了經(jīng)典算法的濾波器設計性能。
　　對針對基于 ABC算法的數(shù)字濾波器優(yōu)化設計的缺點，提出了兼有文化算法雙層進化空間的優(yōu)點和ABC算法三種互補搜索機制優(yōu)點，同時引入反

3、向機理策略的CBC算法。在建立CBC算法的構(gòu)架后，給出了將CBC算法應用于數(shù)字濾波器優(yōu)化設計的具體流程并仿真比較與經(jīng)典算法的性能差異。
　　仿真實驗結(jié)果顯示，CBC算法在FIR數(shù)字濾波器設計中，其表現(xiàn)明顯優(yōu)于PSO算法、QPSO算法、CA算法和ABC算法的設計；對于IIR數(shù)字濾波器優(yōu)化設計中，CBC算法的表現(xiàn)明顯優(yōu)于PSO算法、QPSO算法、CA算法。
　　同時在工程FPGA實現(xiàn)的基礎上，設計了以分布式算法的硬件數(shù)字FIR濾