基于模擬退火神經(jīng)網(wǎng)絡(luò)的I型FIR數(shù)字濾波器設(shè)計
加入技術(shù)交流群
(4)當(dāng)新解被確定接受時，用新解代替當(dāng)前解，同時修正評價函數(shù)。此時，當(dāng)前解實現(xiàn)了一次迭代，可在此基礎(chǔ)上開始下一輪試驗；當(dāng)新解被判定為舍棄時，則在原當(dāng)前解的基礎(chǔ)上繼續(xù)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(xiàn)模擬退火中第(1)步的產(chǎn)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(tài)S(是算法迭代的起點)，每個T值的迭代次數(shù)L，初始權(quán)值W，性能指標(biāo)J，學(xué)習(xí)速率α，并且設(shè)定目標(biāo)向量(理想幅頻響應(yīng)Hg(ωk))；
(2)對k=1，2，…，L做第(3)～(8)步驟；
(3)計算誤差E(k)，使用權(quán)值修正公式：W=W+αE(k)C(Ωk)修正權(quán)值；
(4)滿足性能指標(biāo)J轉(zhuǎn)步驟(5)，否則轉(zhuǎn)步驟(3)；
(5)由步驟(4)產(chǎn)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(shù)，計算△t，其中△t=C(S)-C(S)；
(7)若△t>0，則接受S'作為新的當(dāng)前解，否則以概率exp(-△t／T)接受S'作為新的當(dāng)前解；
(8)如果滿足終止條件，則輸出當(dāng)前解作為最優(yōu)解，終止條件通常取為連續(xù)若干個新解都沒有被接受；
(9)減小T，轉(zhuǎn)步驟(2)。當(dāng)T→0時，終止算法。本文引用地址：http://www.biyoush.com/article/188821.htm
4 仿真實例
例1：設(shè)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(nèi)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(nèi)無過沖、無波動，在過渡帶內(nèi)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(wǎng)絡(luò)結(jié)構(gòu)取為1×60×1，性能指標(biāo)設(shè)置為J=10-8。
經(jīng)過計算機仿真得到如圖2和圖3的仿真圖。
例2：設(shè)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(nèi)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(nèi)無過沖，無波動，在過渡帶內(nèi)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(wǎng)絡(luò)結(jié)構(gòu)取為1×60×1，性能指標(biāo)設(shè)置為J=10-8。
經(jīng)過計算機仿真得到如圖4和圖5的仿真圖。
評論