[发明专利]量子生物地理学演进机制的多约束FIR数字滤波器生成方法

说明书

本发明提供的是一种量子生物地理学演进机制的多约束FIR数字滤波器生成方法。初始化栖息地，计算适宜指数。将栖息地映射为量子栖息地，对量子栖息地进行降序排列，初始化每个量子栖息地。对量子栖息地进行迁移操作，再对量子栖息地的后50％进行两种变异操作。将量子栖息地映射为栖息地，计算栖息地的适宜指数，对量子栖息地进行降序排列，更新量子栖息地，更新量子信仰空间中的量子形势知识和量子规范知识。更新每个量子栖息地。循环迭代，最终输出量子形势知识中的最优量子栖息地，映射为栖息地，对应FIR数字滤波器的参数向量。本发明设计出的FIR数字滤波器具有收敛速度快，滤波器性能好和满足多约束要求等优点。

技术领域

本发明涉及的是一种数字滤波器的生成方法，具体地说是一种有限长单位冲击响应(FIR)数字滤波器的生成方法。

背景技术

在数字信号处理领域中，数字滤波器的设计是一个极其重要的研究方向。数字滤波器是指将输入离散时间信号(对应数字频率)转换为所要求的输出离散时间信号的特定功能装置。

数字滤波器从实现的网络结构或者从单位脉冲响应分类，可以分成有限脉冲响应数字滤波器(Finite Impulse Response,FIR)和无限脉冲响应(Infinite ImpulseResponse,IIR)数字滤波器。FIR数字滤波器以其系统稳定性、易于实现线性相位、允许设计多通带(或多阻带)滤波器以及硬件容易实现等特点，在通信、雷达、声纳、语音与图像信号处理、HDTV、生物医学及地震勘探等许多方面得到了广泛的应用。

目前，FIR数字滤波器的设计方法主要是建立在对理想滤波器频率特性作某种近似的基础上。这些近似方法有窗函数法、频率抽样法及最佳一致逼近法等。近年来一些学者对数字滤波器的设计做了大量研究工作，使用各种智能算法来设计数字滤波器，这种方法是在一定的优化准则下，设计的滤波器性能近似最优。经对现有技术文献的检索发现，Nevio Benvenuto等在《IEEE Transactions on Signal Processing》(1992,Vol.40,No.2)发表的“Applications of Simulated Annealing for the Design”将模拟退火算法应用到FIR数字滤波器的设计中，取得了不错的效果，但是该方法采用了随机策略，导致运算量比较大。Suckley D在《Circuits,Devices and Systems,IEEE Proceedings G》(1991,Vol.138,No.2)上发表的“Genetic algorithm in the design of FIR filters”利用遗传算法来设计FIR滤波器，但该算法的编码和结构复杂且收敛性能一般。李辉等在《电子学报》(2005,Vol.33,No.7)上发表的“粒子群优化算法在FIR数字滤波器设计中的应用”利用粒子群优化算法设计FIR滤波器，但粒子群算法的群体中每个粒子只在有限的样本空间中进行搜索，易于陷入局部最优，使所设计的滤波器性能依旧不能达到最优。因此，针对现有的基于智能计算FIR数字滤波器设计的不足，设计多约束要求的最优FIR数字滤波器，满足更严格的性能要求，获得最优滤波效果，意义重大。

发明内容

本发明的目的在于提供一种结构简单、收敛速度快、滤波器性能好的量子生物地理学演进机制的多约束FIR数字滤波器生成方法。

本发明的目的是这样实现的：本发明采用均方误差最小的准则对FIR数字滤波器进行设计，即在解空间寻找一组滤波器参数向量使要求的频率响应与求出的实际频率响应幅度的均方误差最小。