本文關(guān)鍵詞：基于粒子群算法的非遞歸數(shù)字濾波器設(shè)計研究

  更多相關(guān)文章： 非遞歸數(shù)字濾波器 權(quán)重分析 混沌理論 PSO算法

【摘要】：在當(dāng)今發(fā)達(dá)的信息社會里,人們所獲取的信息量在急劇增加,因此就需要高性能的信息處理手段對所獲取的信息進(jìn)行處理,以服務(wù)社會及個人需求。隨著數(shù)字信號處理技術(shù)的飛速發(fā)展,信息處理手段正以各種形式滲透到其他學(xué)科,形成交叉學(xué)科應(yīng)用。在工業(yè)領(lǐng)域中,數(shù)字濾波器作為數(shù)字信號處理的核心,正受到人們的普遍關(guān)注。在數(shù)字信號處理領(lǐng)域中,無論是信號的提取、傳輸,還是信號的恢復(fù)都離不開數(shù)字濾波器的應(yīng)用,它對信號的安全傳輸與靈活處理都是必不可少的。在所有的電子系統(tǒng)中,數(shù)字濾波器是系統(tǒng)中技術(shù)最復(fù)雜的部分,數(shù)字濾波器作為電子產(chǎn)品的核心,其設(shè)計的優(yōu)劣直接決定產(chǎn)品質(zhì)量的好壞。由于非遞歸數(shù)字濾波器也稱為有限長單位脈沖響應(yīng)數(shù)字濾波器(Finite Impulse Response,FIR)具有嚴(yán)格的線性相頻特性,在幅頻上可以進(jìn)行各種設(shè)計,能進(jìn)行多通帶與多阻帶的設(shè)計。FIR數(shù)字濾波器的單位響應(yīng)序列長度是有限長的,這樣能夠保證該濾波器系統(tǒng)是穩(wěn)定,使得FIR數(shù)字濾波器具有廣泛的應(yīng)用領(lǐng)域和研究前景。在實際的工業(yè)設(shè)計中經(jīng)常會遇到各類的優(yōu)化問題,許多問題的精確處理最后都可以轉(zhuǎn)化成優(yōu)化問題得以解決。而FIR數(shù)字濾波器設(shè)計就是其單位響應(yīng)序列的設(shè)計,其設(shè)計核心即是數(shù)字濾波器系數(shù)優(yōu)化。為了對各類優(yōu)化問題進(jìn)行精確處理,人們啟發(fā)于仿生原理提出了遺傳優(yōu)化算法、蟻群優(yōu)化算法、粒子群優(yōu)化算法等算法應(yīng)用于優(yōu)化問題。其中粒子群算法(Particle Swarm Optimization,PSO)是模擬鳥群社會行為的群體搜索算法,由于其算法原理簡單、收斂速度快、參數(shù)易于設(shè)置等特點引起研究者們的重視,并且在實際工業(yè)問題解決中展示了該算法的高效性。近年來,隨著進(jìn)化算法和群智能理論的發(fā)展,粒子群算法被引入到數(shù)字濾波器的輔助設(shè)計中,并在實際應(yīng)用中,體現(xiàn)了良好的效能。針對傳統(tǒng)設(shè)計方法在設(shè)計FIR數(shù)字濾波器過程中出現(xiàn)的精確度不高、邊帶頻率難以確定等缺陷,本文采用粒子群算法及其改進(jìn)算法對FIR數(shù)字濾波器的參數(shù)進(jìn)行優(yōu)化設(shè)計。首先對粒子群算法的慣性權(quán)重、加速因子等參數(shù)進(jìn)行了討論,分別分析了線性權(quán)重和非線性權(quán)重兩種不同參數(shù)選擇對優(yōu)化算法性能的影響,并對算法的其他相關(guān)優(yōu)化參數(shù)進(jìn)行了討論,然后將混沌理論引入到非線性權(quán)重粒子群算法中,提出了非線性權(quán)重混沌粒子群算法并采用該方法對FIR數(shù)字濾波器進(jìn)行優(yōu)化設(shè)計。最后,對基于非線性權(quán)重混沌粒子群算法設(shè)計的FIR數(shù)字濾波器進(jìn)行仿真,結(jié)果表明相比于傳統(tǒng)濾波器的設(shè)計方法,采用基于非線性權(quán)重混沌粒子群算法設(shè)計的FIR數(shù)字濾波器具有更好的逼近特性、算法收斂性和FIR濾波器設(shè)計效果。
【關(guān)鍵詞】：非遞歸數(shù)字濾波器 權(quán)重分析 混沌理論 PSO算法
【學(xué)位授予單位】：上海工程技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;TN713.7
【目錄】：

• 摘要6-8
• ABSTRACT8-12
• 第一章 緒論12-23
• 1.1 課題研究背景及意義12-15
• 1.1.1 研究背景12-13
• 1.1.2 研究意義13-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-21
• 1.2.1 濾波器的研究現(xiàn)狀15-17
• 1.2.2 粒子群算法的研究現(xiàn)狀17-21
• 1.3 本文研究內(nèi)容及安排21-23
• 1.3.1 研究內(nèi)容21-22
• 1.3.2 內(nèi)容安排22-23
• 第二章 數(shù)字濾波器優(yōu)化設(shè)計理論基礎(chǔ)23-43
• 2.1 數(shù)字濾波器的簡介23-25
• 2.2 FIR數(shù)字濾波器的相位分析25-32
• 2.3 數(shù)字濾波器設(shè)計準(zhǔn)則及技術(shù)指標(biāo)32-35
• 2.4 FIR數(shù)字濾波器的傳統(tǒng)設(shè)計方法35-41
• 2.4.1 窗函數(shù)法對FIR數(shù)字濾波器的設(shè)計35-37
• 2.4.2 頻率抽樣法對FIR數(shù)字濾波器的設(shè)計37-39
• 2.4.3 帕克斯-麥克萊倫法對FIR數(shù)字濾波器的設(shè)計39-41
• 2.5 本章小結(jié)41-43
• 第三章 基于混沌粒子群算法設(shè)計非遞歸數(shù)字濾波器43-61
• 3.1 混沌運動的原理43-44
• 3.2 混沌粒子群算法描述44-55
• 3.2.1 標(biāo)準(zhǔn)粒子群算法原理44-49
• 3.2.2 參數(shù)對優(yōu)化算法的影響49-51
• 3.2.3 混沌粒子群算法流程51-53
• 3.2.4 混沌粒子群算法的測試函數(shù)仿真53-55
• 3.3 混沌粒子群算法對非遞歸數(shù)字濾波器的設(shè)計55-60
• 3.4 本章小結(jié)60-61
• 第四章 基于非線性權(quán)重混沌粒子群混合算法設(shè)計數(shù)字濾波器61-69
• 4.1 混沌粒子群算法的非線性權(quán)重因子分析61-62
• 4.2 測試函數(shù)及算法的仿真實驗62-65
• 4.3 非線性權(quán)值的混沌粒子群算法設(shè)計FIR低通數(shù)字濾波器65-68
• 4.4 本章小結(jié)68-69
• 第五章 總結(jié)與展望69-71
• 參考文獻(xiàn)71-74
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及取得的相關(guān)科研成果74-75
• 致謝75-76

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應(yīng)用[J];計算機工程與應(yīng)用;2010年02期

2 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

3 牛永潔;;一種新型的混合粒子群算法[J];信息技術(shù);2010年10期

4 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

5 劉衍民;趙慶禎;邵增珍;;一種改進(jìn)的完全信息粒子群算法研究[J];曲阜師范大學(xué)學(xué)報(自然科學(xué)版);2011年01期

6 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[J];計算機工程與應(yīng)用;2011年05期

7 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應(yīng)量子粒子群算法[J];計算機系統(tǒng)應(yīng)用;2011年08期

8 孟純青;;非線性粒子群算法[J];微計算機應(yīng)用;2011年08期

9 任偉建;武璇;;一種動態(tài)改變學(xué)習(xí)因子的簡化粒子群算法[J];自動化技術(shù)與應(yīng)用;2012年10期

10 劉飛,孫明,李寧,孫德寶,鄒彤;粒子群算法及其在布局優(yōu)化中的應(yīng)用[J];計算機工程與應(yīng)用;2004年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強;基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

，

本文編號：686792