基于人工魚(yú)群傳算法的iir數(shù)字濾波器的設(shè)計(jì)-全文預(yù)覽
【正文】 [px,py]=size(pop)。endend%交叉% 交叉(crossover)，群體中的每個(gè)個(gè)體之間都以一定的概率 pc 交叉，即兩個(gè)個(gè)體從各自字符串的某一位置% （一般是隨機(jī)確定）開(kāi)始互相交換，這類(lèi)似生物進(jìn)化過(guò)程中的基因分裂與重組。newin=1。 %單個(gè)個(gè)體被選擇的概率fitvalue=cumsum(fitvalue)。% 選擇復(fù)制% 選擇或復(fù)制操作是決定哪些個(gè)體可以進(jìn)入下一代。for i=1:pxif objvalue(i)+Cmin0temp=Cmin+objvalue(i)。 x4=temp4*10/1023objvalue=impz(x1,x2,x3,x4)。 x2=temp2*10/1023。% 計(jì)算目標(biāo)函數(shù)值% ，其公式采用本文示例仿真，可根據(jù)不同優(yōu)化問(wèn)題予以修改。 %求pop1的每行之和% 將二進(jìn)制編碼轉(zhuǎn)化為十進(jìn)制數(shù)% (或二進(jìn)制編碼)轉(zhuǎn)換為十進(jìn)制，參數(shù)spoint表示待解碼的二進(jìn)制串的起始位置% (對(duì)于多個(gè)變量而言，如有兩個(gè)變量，采用160為表示，每個(gè)變量10為，則第一個(gè)變量從1開(kāi)始，另一個(gè)變量從11開(kāi)始。這樣產(chǎn)生的初始種群。 %雙線性變換freqz(b,a,fs)。b0 = k。[z,p,k] = buttap(N)。 % 頻率預(yù)畸omegap = (2*fs)*tan(wp/2)。wp=fp/fs*2*pi。魚(yú)群模式就為魚(yú)群算法與其他一些優(yōu)秀算法進(jìn)行融合和互補(bǔ)提供了一個(gè)良好的架構(gòu)。對(duì)于非連續(xù)形式的優(yōu)化命題或者非數(shù)值型的優(yōu)化命題,可以相應(yīng)的轉(zhuǎn)化一下視野等概念的表示方法來(lái)使得算法可行,并達(dá)到解決問(wèn)題的目的,如組合優(yōu)化問(wèn)題的解決。將人工智能的思想應(yīng)用于問(wèn)題的尋優(yōu)是一個(gè)自然而然的思路,隨著計(jì)算設(shè)備和軟件技術(shù)的發(fā)展,我們有能力實(shí)施一些高級(jí)的計(jì)算方法,使得這一思路逐漸變得現(xiàn)實(shí)和實(shí)用。 （4）人工魚(yú)分別模擬執(zhí)行追尾行為和聚群行為,選擇行動(dòng)后Y值較小的行為為實(shí)際執(zhí)行,本文缺省行為為覓食行為。由(3)式可知,只要使每個(gè)二階節(jié)的極點(diǎn)都在Z平面的單位圓內(nèi)，即的零點(diǎn)滿(mǎn)足，由此可確定、的取值范圍為：若參數(shù)在此范圍內(nèi)取值,優(yōu)化結(jié)果仍出現(xiàn)不穩(wěn)定的極點(diǎn),可以用其倒數(shù)來(lái)代替該極點(diǎn),從而在不改變?yōu)V波器幅頻響應(yīng)的情況下保證得到穩(wěn)定的數(shù)字濾波器。 與(2)式相對(duì)應(yīng)的IIR數(shù)字濾波器的頻率響應(yīng)為: (3)其中： （4）假設(shè)IIR濾波器的理想幅頻響應(yīng)為，則IIR濾波器頻域最小均方差優(yōu)化設(shè)計(jì)就是要求在離散頻率點(diǎn)上，使所設(shè)計(jì)的濾波器的幅頻響應(yīng)與所要求的幅頻響應(yīng)的平方誤差： （5）為最小。這里包括選擇運(yùn)算結(jié)構(gòu)、進(jìn)行誤差分析和選擇合適的字長(zhǎng)等。例如濾波器的頻率響應(yīng)的幅度特性和截止頻率等。 低通濾波器的幅值特性圖31為低通濾波器的幅值特性，和分別稱(chēng)為通帶截止頻率和阻帶截止頻率。（3）實(shí)時(shí)信號(hào)處理FIR數(shù)字濾波器是有限的單位響應(yīng)也有利于對(duì)數(shù)字信號(hào)的處理，便于編程，用于計(jì)算的時(shí)延也小，這對(duì)實(shí)時(shí)的信號(hào)處理很重要。（4）需加相位校準(zhǔn)網(wǎng)絡(luò)：IIR數(shù)字濾波器的相位特性不好控制，對(duì)相位要求較高時(shí)，需加相位校準(zhǔn)網(wǎng)絡(luò)。IIR濾波器運(yùn)算結(jié)構(gòu)通常由延時(shí)、乘以系數(shù)和相加等基本運(yùn)算組成，可以組合成直接型、正準(zhǔn)型、級(jí)聯(lián)型、并聯(lián)型四種結(jié)構(gòu)形式，都具有反饋回路。 IIR數(shù)字濾波器IIR(Infinite Impulse Response)數(shù)字濾波器，又名“無(wú)限長(zhǎng)沖激響應(yīng)數(shù)字濾波器”，或“遞歸濾波器”。為得到模擬信號(hào)，數(shù)字濾波器處理的輸出數(shù)字信號(hào)須經(jīng)數(shù)模轉(zhuǎn)換、平滑。隨著集成電路技術(shù)的發(fā)展，其性能不斷提高而成本卻不斷降低，數(shù)字濾波器的應(yīng)用領(lǐng)域也因此越來(lái)越廣。 人工魚(yú)群算法基本流程圖3 數(shù)字濾波器 數(shù)字濾波器是對(duì)數(shù)字信號(hào)進(jìn)行濾波處理以得到期望的響應(yīng)特性的離散時(shí)間系統(tǒng)。 算法示意圖 。 行為選擇根據(jù)所要解決的問(wèn)題性質(zhì)，對(duì)人工魚(yú)當(dāng)前所處的環(huán)境進(jìn)行評(píng)價(jià)，從而選擇一種行為。這樣反復(fù)嘗試trynumber次后，如果仍不滿(mǎn)足前進(jìn)條件，則隨機(jī)移動(dòng)一步。在算法中設(shè)立一個(gè)公告板，定義為一條人工魚(yú)，用于記錄最優(yōu)人工魚(yú)的狀態(tài)。virtual ~Artificial_fish()。 //人工魚(yú)的覓食行為 float AF_swarm()。 //擁擠度因子Functions: float AF_foodconsistence()。 //人工魚(yú)的各個(gè)變量 float AF_step。 魚(yú)群模式不同于傳統(tǒng)的問(wèn)題解決方法，提出了一種新的模式，從而在下文引出了一種新的優(yōu)化模式—人工魚(yú)群算法，使得這一模式具備并行分布處理、參數(shù)和初值的魯棒性強(qiáng)等能力。借助于面向?qū)ο蟮姆治龇椒?，可以認(rèn)為人工魚(yú)就是一個(gè)封裝了自身數(shù)據(jù)信息和一系列行為的一個(gè)實(shí)體，可以通過(guò)感官來(lái)接收環(huán)境的刺激信息，并通過(guò)控制尾鰭來(lái)作出相應(yīng)的應(yīng)激活動(dòng)。 以上是魚(yú)的幾個(gè)典型行為,這些行為在不同時(shí)刻會(huì)相互轉(zhuǎn)換,而這種轉(zhuǎn)換通常是魚(yú)通過(guò)對(duì)環(huán)境的感知來(lái)自主實(shí)現(xiàn)的,這些行為與魚(yú)的覓食和生存都有著密切的關(guān)系,并且與我們優(yōu)化問(wèn)題的解決也有著密切的關(guān)系。一般可以認(rèn)為它是通過(guò)視覺(jué)或味覺(jué)來(lái)感知水中的食物量或濃度來(lái)選擇趨向的,因此,以上所述的視覺(jué)概念可以應(yīng)用于該行為。在集群的過(guò)程中沒(méi)有所謂的領(lǐng)導(dǎo)者,單個(gè)個(gè)體的行為也相對(duì)比較簡(jiǎn)單,個(gè)體看上去是盲目與隨機(jī)的,但整體的行為卻是有序與有目的的。 關(guān)鍵詞：IIR數(shù)字濾波器 人工魚(yú)群算法 全局優(yōu)化 Abstract IIR digital filter design has been an important topic in the field of digital signal processing. Optimization algorithm is a major method of digital filter design, which is optimized under certain criteria, so that the design of the optimal filter, but because these algorithms are nonlinear optimization algorithm, the optimization process is easy to fall into local minimum. In recent years, along with a wide range of intelligent optimization algorithm, scholars have genetic algorithm (GA) and particle swarm optimization (PSO) is applied to IIR digital filter design. However, the genetic algorithm is running slow, and sometimes fall into local optimal solution。人工魚(yú)群算
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1