基于模拟退火神经网络的I型FIR数字滤波器设计
加入技术交流群
(4)当新解被确定接受时，用新解代替当前解，同时修正评价函数。此时，当前解实现了一次迭代，可在此基础上开始下一轮试验；当新解被判定为舍弃时，则在原当前解的基础上继续下一轮试验。
将模拟退火融入原算法，其实主要是用原算法来实现模拟退火中第(1)步的产生解S，于是可得到总的算法：
(1)初始化，初始温度T(充分大)，初始解状态S(是算法迭代的起点)，每个T值的迭代次数L，初始权值W，性能指标J，学习速率α，并且设定目标向量(理想幅频响应Hg(ωk))；
(2)对k=1，2，…，L做第(3)～(8)步骤；
(3)计算误差E(k)，使用权值修正公式：W=W+αE(k)C(Ωk)修正权值；
(4)满足性能指标J转步骤(5)，否则转步骤(3)；
(5)由步骤(4)产生的W得出新解S'；
(6)以滤波器的最小阻带衰减为评价函数，计算△t，其中△t=C(S)-C(S)；
(7)若△t>0，则接受S'作为新的当前解，否则以概率exp(-△t／T)接受S'作为新的当前解；
(8)如果满足终止条件，则输出当前解作为最优解，终止条件通常取为连续若干个新解都没有被接受；
(9)减小T，转步骤(2)。当T→0时，终止算法。本文引用地址：https://www.eepw.com.cn/article/188821.htm
4 仿真实例
例1：设计一线性相位高通FIR滤波器，其理想幅频特性为：
对Ω在[0，π]范围内均匀取样，共取(N+1)／2＝60个样点，即Ωk=πk／59(k=0，1，2，…，59)，为了使通带和阻带内无过冲、无波动，在过渡带内取两个点0．78和0．25，于是实际的幅频取样点为Hd(k)=[zeros(1，29)，0．25，0．78，ones(1，29)]；网络结构取为1×60×1，性能指标设置为J=10-8。
经过计算机仿真得到如图2和图3的仿真图。
例2：设计一线性相位带阻FIR滤波器，其理想幅频特性为：
与例1类似，对Ω在[0，π]范围内均匀取样，共取(N+1)／2＝60个样点，即Ωk=πk／59，(k=0，1，2，…，59)，同样地，为了使通带和阻带内无过冲，无波动，在过渡带内取两个点0．78和0．25，于是实际的幅频取样点为Hd(k)=[ones(1，17)，0．78，0．25，zeros(1，16)，0．25，0．78，ones(1，23)]；网络结构取为1×60×1，性能指标设置为J=10-8。
经过计算机仿真得到如图4和图5的仿真图。
评论