FIR滤波器设计解的获取方法及装置制造方法及图纸

本发明专利技术提供了一种FIR滤波器设计解的获取方法及装置，其中，该方法包括：以有限长单位冲激响应FIR作为粒子建立粒子群，其中，该粒子群中至少包括N个粒子；设置每一个FIR在设计解空间的每一维上都向不同的典范FIR学习，其中，该设计解空间由多个抽头系数组成，每一抽头系数代表一维，该典范FIR为该粒子群中满足预设条件的M个FIR，M小于等于N；M，N为正整数；根据学习结果，确定该FIR滤波器的设计解。通过本发明专利技术，解决了相关技术中的设计的FIR滤波器无法校正群延时波动带来的信号失真的问题，充分利用了CL‑PSO的搜索空间，寻找到满足预设指标要求的更优的设计解，后续设计的FIR滤波器大幅降低了群延时波动。

Acquisition Method and Device for Design Solution of FIR Filter

【技术实现步骤摘要】
FIR滤波器设计解的获取方法及装置
本专利技术涉及通信领域，具体而言，涉及一种FIR滤波器设计解的获取方法及装置。
技术介绍
在相关技术中，通信系统的非基带部分常常会有很多模拟滤波器，它们是由电阻、电容和电感构造的滤波电路，受限于材料水平和电子元器件的精度，它们无法像基带部分的数字滤波器那样可以很容易达到严格线性相位的要求，这也就导致了群延时失真的普遍存在。为了满足一直指数飙升的通信业务尤其是数字业务的需要，通信系统的带宽不断加大，例如：微波系统中E-band最大带宽已达2G；而第5代移动通信系统5G系统规划的最大带宽也已达80M。而当带宽越宽，为了克服无法避免的频率选择性衰落，因此需要的滤波器阶数就要越高；而越高阶数的模拟滤波器，理论上各频点的群延时一致性就越难以保证；换言之，群延时波动就越显著；从而导致叠加后的信号偏离原合成信号的畸变或失真程度越严重，成为制约通信系统性能的关键瓶颈。考虑到通信系统收、发端模拟滤波器的电路结构(RLC电路，可以称为电阻(R)电感(L)电容(C)电路)一旦确定，其群延时波动特性也即确定；换言之，由此波动特性造成的信号畸变作用也即确定，并不会实时地发生变化。而通信系统中这类由器件造成的稳定的信号失真还有很多；因此，设计各种有限长单位冲激响应滤波器(FiniteImpulseResponse，简称为FIR)滤波器去校正此类失真也就非常必要。然而，传统的FIR滤波器设计通常只会关注通带和阻带的幅频特性；例如：以等波纹准则设计通带的幅频特性，基于最小均方误差准则设计阻带的幅频特性；而为数不多的添加相频响应约束，甚至考虑群延时特性约束的设计方法，又只能设计出各频点为相同常数群延时特性的FIR，无法校正群延时波动带来的信号失真。此外，传统FIR设计多由经典模型获得，依靠不断调整参数来达到要求的频率特性，所以先天地受限于经典模型自身固有的特性；而多参数的摸索调试本身也是一件非常耗时耗力的非自动化的过程。综上，以往的FIR滤波器的各种设计方法，基本上都无法满足新的设计需求和要求。针对相关技术中的设计的FIR滤波器无法校正群延时波动带来的信号失真的问题，目前还没有有效的解决方案。
技术实现思路
本专利技术实施例提供了一种FIR滤波器设计解的获取方法及装置，以至少解决相关技术中的设计的FIR滤波器无法校正群延时波动带来的信号失真的问题。根据本专利技术的一个实施例，提供了一种FIR滤波器设计解的获取方法，包括：以有限长单位冲激响应FIR作为粒子建立粒子群，其中，所述粒子群中至少包括N个粒子；设置每一个FIR在设计解空间的每一维上都向不同的典范FIR学习，其中，所述设计解空间由多个抽头系数组成，每一抽头系数代表一维，所述典范FIR为所述粒子群中满足预设条件的M个FIR，M小于等于N；M，N为正整数；根据学习结果，确定所述FIR滤波器的设计解。根据本专利技术的另一个实施例，还提供了一种FIR滤波器设计解的获取装置，包括：建立模块，用于以有限长单位冲激响应FIR作为粒子建立粒子群，其中，所述粒子群中至少包括N个粒子；设置模块，用于设置每一个FIR在设计解空间的每一维上都向不同的典范FIR学习，其中，所述设计解空间由多个抽头系数组成，每一抽头系数代表一维，所述典范FIR为所述粒子群中满足预设条件的M个FIR，M小于等于N；M，N为正整数；确定模块，用于根据学习结果，确定所述FIR滤波器的设计解。根据本专利技术的另一个实施例，还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行上述实施例任一项中所述的方法。根据本专利技术的另一个实施例，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述实施例任一项中所述的方法。根据本专利技术的另一个实施例，还提供了一种FIR滤波器，所述FIR滤波器是通过上述实施例任一项所述的方法获取的FIR滤波器设计解设计的滤波器。通过本专利技术，以有限长单位冲激响应FIR作为粒子建立粒子群，其中，该粒子群中至少包括N个粒子；设置每一个FIR在设计解空间的每一维上都向不同的典范FIR学习，其中，该设计解空间由多个抽头系数组成，每一抽头系数代表一维，该典范FIR为该粒子群中满足预设条件的M个FIR，M小于等于N；M，N为正整数；根据学习结果，确定该FIR滤波器的设计解，解决了相关技术中的设计的FIR滤波器无法校正群延时波动带来的信号失真的问题，充分利用了CL-PSO的搜索空间，寻找到满足预设指标要求的更优的设计解，后续设计的FIR滤波器大幅降低了群延时波动。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种FIR滤波器设计解的获取方法的流程图；图2是根据本专利技术实施例的另一种FIR滤波器设计解的获取方法的流程图；图3是根据本专利技术优选实施例的基于CL-PSO的FIR滤波器的自动化设计装置；图4是根据本专利技术优选实施例的FIR滤波器的自动化设计流程图；图5是根据本专利技术优选实施例的自动化设计流程图中初始化准备的子步骤流程图；图6是根据本专利技术优选实施例的应用于微波E-band系统群延时失真校正的链路结构示意图；图7是根据本专利技术优选实施例的群延时失真校正FIR滤波器结构示意图；图8是根据本专利技术优选实施例的群延时失真校正前的星座图；图9是根据本专利技术优选实施例的群延时失真校正后的星座图。具体实施方式实施例一在本实施例中提供了一种FIR滤波器设计解的获取方法，图1是根据本专利技术实施例的一种FIR滤波器设计解的获取方法的流程图，如图1所示，该流程包括如下步骤：步骤S102，以有限长单位冲激响应FIR作为粒子建立粒子群，其中，该粒子群中至少包括N个粒子；步骤S104，设置每一个FIR在设计解空间的每一维上都向不同的典范FIR学习，其中，该设计解空间由多个抽头系数组成，每一抽头系数代表一维，该典范FIR为该粒子群中满足预设条件的M个FIR，M小于等于N；M，N为正整数；步骤S106，根据学习结果，确定该FIR滤波器的设计解。通过上述步骤S102中步骤S106，以有限长单位冲激响应FIR作为粒子建立粒子群；设置每一个FIR在设计解空间的每一维上都向不同的典范FIR学习；根据学习结果，确定该FIR滤波器的设计解，解决了相关技术中的设计的FIR滤波器无法校正群延时波动带来的信号失真的问题，充分利用了CL-PSO的搜索空间，寻找到满足预设指标要求的更优的设计解，后续设计的FIR滤波器大幅降低了群延时波动。可选地，在设置每一个FIR在设计解空间的每一维上都向不同的典范FIR学习之前，该方法还包括：为该每一个FIR设定历史最佳适应度连续无改善次数；在该连续无改善次数大于预设阈值时，重新选择该典范FIR。可选地，在设置每一个FIR在设计解空间的每一维上都向不同的典范FIR学习之前，该方法还包括：对每一个FIR设定差异化的学习能力PC(n)，其中，该PC(n)通过以下公式确定：其中，n为正整数。可选地，该重新选择该典范FIR包括重复执行以下步骤，直至第n个FIR的所有抽头全部处理完毕：在该第n个FIR中，逐抽头地产生一个[0，1]内均匀分布的随机数，并和第n个FIR分配的学本文档来自技高网...

【技术保护点】
1.一种FIR滤波器设计解的获取方法，其特征在于，包括：以有限长单位冲激响应FIR作为粒子建立粒子群，其中，所述粒子群中至少包括N个粒子；设置每一个FIR在设计解空间的每一维上都向不同的典范FIR学习，其中，所述设计解空间由多个抽头系数组成，每一抽头系数代表一维，所述典范FIR为所述粒子群中满足预设条件的M个FIR，M小于等于N；M，N为正整数；根据学习结果，确定所述FIR滤波器的设计解。

【技术特征摘要】
2018.03.19 CN 20181022634611.一种FIR滤波器设计解的获取方法，其特征在于，包括：以有限长单位冲激响应FIR作为粒子建立粒子群，其中，所述粒子群中至少包括N个粒子；设置每一个FIR在设计解空间的每一维上都向不同的典范FIR学习，其中，所述设计解空间由多个抽头系数组成，每一抽头系数代表一维，所述典范FIR为所述粒子群中满足预设条件的M个FIR，M小于等于N；M，N为正整数；根据学习结果，确定所述FIR滤波器的设计解。2.根据权利要求1所述的方法，其特征在于，在设置每一个FIR在设计解空间的每一维上都向不同的典范FIR学习之前，所述方法还包括：为所述每一个FIR设定历史最佳适应度连续无改善次数；在所述连续无改善次数大于预设阈值时，重新选择所述典范FIR。3.根据权利要求1所述的方法，其特征在于，在设置每一个FIR在设计解空间的每一维上都向不同的典范FIR学习之前，所述方法还包括：对每一个FIR设定差异化的学习能力PC(n)，其中，所述PC(n)通过以下公式确定：其中，n为正整数。4.根据权利要求2所述的方法，其特征在于，所述重新选择所述典范FIR包括重复执行以下步骤，直至第n个FIR的所有抽头全部处理完毕：在所述第n个FIR中，逐抽头地产生一个[0，1]内均匀分布的随机数，并和第n个FIR分配的学习能力PC(n)进行比较；如果所述随机数小于所述第n个FIR分配的学习能力PC(n)，则从所述典范FIR中挑选一个非索引n的其它第一FIR，使用所述其它第一FIR的历史最佳抽头系数向量的第d个抽头系数pd(k)替换所述第n个FIR的历史最佳抽头系数向量的第d个抽头系数pd(n)。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：如果所述第n个FIR的所有抽头系数均未发生替换，则从所述典范FIR中挑选一个非索引n的其它第二FIR，并在所述其它第二FIR挑选一个抽头d*，用所述抽头d*的系数替换所述第n个FIR的历史最佳抽头系数向量的第d*抽头的系数。6.根据权利要求1所述的方法，其特征在于，所述根据学习结果，确定所述FIR滤波器的设计解包括以下步骤：步骤一，通过综合学习的粒子群优化算法CL-PSO算法生成N个FIR的抽头系数向量步骤二，设置N个全零元向量，作为所述N个FIR的抽头系数向量的更新速度向量；步骤三，依据第一预设规则为所述N个FIR分配学习能力；步骤四，依据所述抽头系数向量获取所述N个FIR的适应度值fitness(n)；步骤五，将所述N个抽头系数向量中，第n个FIR的抽头系数向量赋给第n个FIR的历史最佳抽头系数向量将所述fitness(n)赋给第n个FIR的历史最佳适应度值记录变量pBestFit(n)；置每个FIR的历史最佳适应度连续无改善次数的计数器intv(n)＝0其中，n属于1至N中的整数；步骤六，选取所述适应度值由大到小排序后的前M名的FIR的历史最佳抽头系数向量列入典范FIR，将所述典范FIR中排名第一的FIR的抽头系数向量赋给全局最优FIR抽头系数向量记录变量将所述对应的fitness(n*)赋给全局最优FIR的适应度记录变量gBestFit；步骤七，在确定当前已经向典范FIR学习的次数t未超过阈值，且在当前全局最优FIR适应度值gBestFit达到预设指标要求的情况下，确认当前全局最优FIR抽头系数向量为FIR设计解；在所述gBestFit没有达到所述预设指标要求的情况下，计算第t次的搜索惯性权重；步骤八，在确定当前第n个FIR的所述计数器的值超过阈值的情况下，在所述N个FIR的逐个FIR中，依据典范FIR中的FIR更新所述第n个FIR的历史最佳抽头系数向量步骤九，在所述N个FIR的逐个FIR中，逐抽头地依据第二预设规则获取所述第n个FIR第d个抽头的更新速度vd(n)，依据所述更新速度更新所述第n个FIR第d个抽头系数；步骤十，在确定新的历史最佳适应度值大于全局最优适应度值的情况下，确定所述新的历史最佳适应度值为新的全局最优适应度值，以及确定所述新的全局最优适应度值对应的抽头系数向量为所述FIR设计解。7.根据权利要求6所述的方法，其特征在于，所述步骤八包括：在确定当前第n个FIR的所述计数器的值超过阈值的情况下，对应于该第n个FIR的每个抽头d生成一个[0，1]内均匀分布的随机数，其中，所述计数器用于表示该第n个FIR的历史最佳适应度值在重复执行所述步骤八至所述步骤九的过程中连续无改善的次数；在确定所述随机数小于为所述粒子预先设置的学习能力的情况下，选取一个典范FIR中非索引n的FIR，使用该非索引n的FIR的历史最佳抽头系数向量的第d个抽头系数pd(k)替换所述第n个FIR的历史最佳抽头系数向量的第d个抽头系数pd(n)，形成新的第n个FIR的历史最佳抽头系数向量；在确定该第...

【专利技术属性】
技术研发人员：刘磊，郁光辉，胡留军，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：广东,44