基于模擬退火神經網絡的I型FIR數字濾波器設計
加入技術交流群
(4)當新解被確定接受時，用新解代替當前解，同時修正評價函數。此時，當前解實現了一次迭代，可在此基礎上開始下一輪試驗；當新解被判定為舍棄時，則在原當前解的基礎上繼續下一輪試驗。
將模擬退火融入原算法，其實主要是用原算法來實現模擬退火中第(1)步的產生解S，于是可得到總的算法：
(1)初始化，初始溫度T(充分大)，初始解狀態S(是算法迭代的起點)，每個T值的迭代次數L，初始權值W，性能指標J，學習速率α，并且設定目標向量(理想幅頻響應Hg(ωk))；
(2)對k=1，2，…，L做第(3)～(8)步驟；
(3)計算誤差E(k)，使用權值修正公式：W=W+αE(k)C(Ωk)修正權值；
(4)滿足性能指標J轉步驟(5)，否則轉步驟(3)；
(5)由步驟(4)產生的W得出新解S'；
(6)以濾波器的最小阻帶衰減為評價函數，計算△t，其中△t=C(S)-C(S)；
(7)若△t>0，則接受S'作為新的當前解，否則以概率exp(-△t／T)接受S'作為新的當前解；
(8)如果滿足終止條件，則輸出當前解作為最優解，終止條件通常取為連續若干個新解都沒有被接受；
(9)減小T，轉步驟(2)。當T→0時，終止算法。本文引用地址：http://www.104case.com/article/188821.htm
4 仿真實例
例1：設計一線性相位高通FIR濾波器，其理想幅頻特性為：
對Ω在[0，π]范圍內均勻取樣，共取(N+1)／2＝60個樣點，即Ωk=πk／59(k=0，1，2，…，59)，為了使通帶和阻帶內無過沖、無波動，在過渡帶內取兩個點0．78和0．25，于是實際的幅頻取樣點為Hd(k)=[zeros(1，29)，0．25，0．78，ones(1，29)]；網絡結構取為1×60×1，性能指標設置為J=10-8。
經過計算機仿真得到如圖2和圖3的仿真圖。
例2：設計一線性相位帶阻FIR濾波器，其理想幅頻特性為：
與例1類似，對Ω在[0，π]范圍內均勻取樣，共取(N+1)／2＝60個樣點，即Ωk=πk／59，(k=0，1，2，…，59)，同樣地，為了使通帶和阻帶內無過沖，無波動，在過渡帶內取兩個點0．78和0．25，于是實際的幅頻取樣點為Hd(k)=[ones(1，17)，0．78，0．25，zeros(1，16)，0．25，0．78，ones(1，23)]；網絡結構取為1×60×1，性能指標設置為J=10-8。
經過計算機仿真得到如圖4和圖5的仿真圖。
評論