一种线性相位滤波器的构建方法、系统、电子装置及介质制造方法及图纸

本发明专利技术公开了一种线性相位滤波器的构建方法、系统、电子装置及介质，方法包括以下步骤：随机生成初始种群；计算种群分布熵和平均粒距；在种群分布熵大于最大种群分布熵且平均粒距大于最大平均粒距时，更新惯性权重、粒子速度和位置以获取次生种群；按适应度模型计算各个粒子的适应度，并根据适应度更新每个粒子的局部最优位置和全局最优位置；重复上述步骤，直至达到预设的寻优结束条件；提取第一全局最优位置，并以第一全局最优位置作为线性相位滤波器的系数。本发明专利技术的目的在于提供一种线性相位滤波器的构建方法、系统、电子装置及介质，解决用粒子群算法设计FIR滤波器时，因粒子群算法陷入局部最优从而影响FIR滤波器的性能的问题。的问题。的问题。

【技术实现步骤摘要】
一种线性相位滤波器的构建方法、系统、电子装置及介质


[0001]本专利技术涉及于滤波器
，尤其涉及一种线性相位滤波器的构建方法、系统、电子装置及介质。

技术介绍

[0002]目前常用的FIR滤波器的设计方法有窗函数法、频率取样法和切比雪夫等波纹逼近的最优化设计方法等。在实际的工程应用中，FIR滤波器的设计实现，通常需要同时满足多个技术指标或达到较高的精度，设计工作比较复杂，而且只能是逼近工程的指标要求。那么此时FIR滤波器的设计其实就是寻找滤波器系数使频率响应不断的逼近理想的滤波器，可以看作一个最优化问题。因此越来越多的设计者将粒子群算法应用到FIR滤波器的设计中，虽然粒子群算法简单，但存在陷入局部最优的问题，从而影响FIR滤波器的性能。

技术实现思路

[0003]本专利技术的目的在于提供一种线性相位滤波器的构建方法、系统、电子装置及介质，解决在用粒子群算法设计FIR滤波器时，因粒子群算法陷入局部最优从而影响FIR滤波器的性能的问题。
[0004]本专利技术通过下述技术方案实现：
[0005]本申请实施例的第一方面提供了一种线性相位滤波器的构建方法，包括以下步骤：
[0006]S1：基于预设的粒子群算法参数随机生成初始种群，所述初始种群包括多个粒子的位置和速度；
[0007]S2：计算种群的种群分布熵和平均粒距，所述种群为初始种群或次生种群；
[0008]S3：在所述种群分布熵大于最大种群分布熵且所述平均粒距大于最大平均粒距时，更新惯性权重、粒子的速度和位置，以获取所述次生种群；否则保持惯性权重、粒子的速度和位置不变；
[0009]S4：按适应度模型计算所述次生种群或所述初始种群中各个粒子的适应度，并根据所述适应度更新每个粒子的局部最优位置和全局最优位置；
[0010]所述适应度模型为：
[0011]F＝e2[0012]F表示适应度，e2表示线性相位滤波器的均方误差；
[0013]S5：重复S2
‑
S4，直至达到预设的寻优结束条件；
[0014]S6：提取第一全局最优位置，并以所述第一全局最优位置作为所述线性相位滤波器的系数，所述第一全局最优位置为达到寻优结束条件时所对应的全局最优位置。
[0015]优选地，所述惯性权重按下式进行更新：
[0016]w
t
＝A
·
D(t)+B
[0017][0018][0019]其中，w
t
表示第t次迭代时的惯性权重，D(t)表示第t次迭代时的平均粒距，D
max
表示最大平均粒距，D
min
表示最大平均粒距，w
min
表示最小惯性权重，w
max
表示最大惯性权重。
[0020]优选地，所述粒子的速度按下式进行更新：
[0021]v
i
(t+1)＝w
t
v
i
(t)+c1rand1(p
pbest
(t)
‑
x
i
(t))+c2rand2(p
gbest
(t)
‑
x
i
(t))
[0022]其中，v
i
(t+1)表示第i个粒子在第t+1次迭代时的速度，w
t
表示第t次迭代时的惯性权重，v
i
(t)第i个粒子在第t次迭代时的速度，p
pbest
(t)表示第t次迭代时的局部最优位置，p
gbest
(t)表示表示第t次迭代时的全局最优位置，c1表示加速因子，c2表示加速因子，rand1表示区间(0，1)之间的随机数，rand1表示系数区间(0，1)之间的随机数；
[0023]所述粒子的位置按下式进行更新：
[0024]x
i
(t+1)＝x
i
(t)+v
i
(t+1)
[0025]x
i
(t+1)表示第i个粒子在第t+1次迭代时的位置，x
i
(t)表示第i个粒子在第t次迭代时的位置，v
i
(t+1)表示第i个粒子在第t+1次迭代时的速度。
[0026]优选地，所述根据所述适应度更新每个粒子的局部最优位置和全局最优位置包括以下步骤：
[0027]在第i个粒子的当前适应值优于该粒子找到的所述局部最优位置的适应值时，更新该粒子找到的所述局部最优位置；
[0028]在第i个粒子的当前适应值优于目前已找到的所述全局最优位置的适应值时，更新所述全局最优位置。
[0029]本申请实施例的第二方面提供了一种线性相位滤波器的构建系统，包括：
[0030]生成模块，用于基于预设的粒子群算法参数随机生成初始种群，所述初始种群包括多个粒子的位置和速度；
[0031]计算模块，用于计算种群的种群分布熵和平均粒距，所述种群为初始种群或次生种群；
[0032]更新模块，用于在所述种群分布熵大于最大种群分布熵且所述平均粒距大于最大平均粒距时，更新惯性权重、粒子的速度和位置，以获取所述次生种群；否则保持惯性权重、粒子的速度和位置不变；
[0033]处理模块，内置有适应度模型，用于根据所述适应度模型获取所述次生种群或所述初始种群中各个粒子的适应度，并根据所述适应度更新每个粒子的局部最优位置和全局最优位置；
[0034]提取模块，用于提取第一全局最优位置，并以所述第一全局最优位置作为所述线性相位滤波器的系数，所述第一全局最优位置为达到寻优结束条件时所对应的全局最优位置。
[0035]优选地，所述更新模块包括惯性权重更新单元，所述惯性权重更新单元存储有惯性权重更新模型，所述惯性权重更新模型为：
[0036]w
t
＝A
·
D(t)+B
[0037][0038][0039]其中，w
t
表示第t次迭代时的惯性权重，D(t)表示第t次迭代时的平均粒距，D
max
表示最大平均粒距，D
min
表示最大平均粒距，w
min
表示最小惯性权重，w
max
表示最大惯性权重。
[0040]优选地，所述更新模块还包括速度更新单元和位置更新单元；
[0041]所述速度更新单元存储有速度更新模型，所述速度更新模型为：
[0042]v
i
(t+1)＝w
t
v
i
(t)+c1rand1(p
pbest
(t)
‑
x
i
(t))+c2rand2(p
gbest
(t)
‑
x
i
(t))
[0043]其中，v
i
(t+1)表示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种线性相位滤波器的构建方法，其特征在于，包括以下步骤：S1：基于预设的粒子群算法参数随机生成初始种群，所述初始种群包括多个粒子的位置和速度；S2：计算种群的种群分布熵和平均粒距，所述种群为初始种群或次生种群；S3：在所述种群分布熵大于最大种群分布熵且所述平均粒距大于最大平均粒距时，更新惯性权重、粒子速度和粒子位置，以获取所述次生种群；否则保持惯性权重、粒子速度和粒子位置不变；S4：按适应度模型计算所述次生种群或所述初始种群中各个粒子的适应度，并根据所述适应度更新每个粒子的局部最优位置和全局最优位置；所述适应度模型为：F＝e2F表示适应度，e2表示线性相位滤波器的均方误差；S5：重复S2
‑
S4，直至达到预设的寻优结束条件；S6：提取第一全局最优位置，并以所述第一全局最优位置作为所述线性相位滤波器的系数，所述第一全局最优位置为达到寻优结束条件时所对应的全局最优位置。2.根据权利要求1所述的一种线性相位滤波器的构建方法，其特征在于，所述惯性权重按下式进行更新：w
t
＝A
·
D(t)+BD(t)+B其中，w
t
表示第t次迭代时的惯性权重，D(t)表示第t次迭代时的平均粒距，D
max
表示最大平均粒距，D
min
表示最小平均粒距，w
min
表示最小惯性权重，w
max
表示最大惯性权重。3.根据权利要求1所述的一种线性相位滤波器的构建方法，其特征在于，所述粒子的速度按下式进行更新：v
i
(t+1)＝w
t
v
i
(t)+c1rand1(p
pbest
(t)
‑
x
i
(t))+c2rand2(p
gbest
(t)
‑
x
i
(t))其中，v
i
(t+1)表示第i个粒子在第t+1次迭代时的速度，w
t
表示第t次迭代时的惯性权重，v
i
(t)第i个粒子在第t次迭代时的速度，p
pbest
(t)表示第t次迭代时的局部最优位置，p
gbest
(t)表示表示第t次迭代时的全局最优位置，c1表示加速因子，c2表示加速因子，rand1表示区间(0，1)之间的随机数，rand1表示系数区间(0，1)之间的随机数；所述粒子的位置按下式进行更新：x
i
(t+1)＝x
i
(t)+v
i
(t+1)x
i
(t+1)表示第i个粒子在第t+1次迭代时的位置，x
i
(t)表示第i个粒子在第t次迭代时的位置，v
i
(t+1)表示第i个粒子在第t+1次迭代时的速度。4.根据权利要求1
‑
3中任意一项所述的一种线性相位滤波器的构建方法，其特征在于，所述根据所述适应度更新每个粒子的局部最优位置和全局最优位置包括以下步骤：在第i个粒子的当前适应值优于该粒子找到的所述局部最优位置的适应值时，更新该
粒子找到的所述局部最优位置；在第i个粒子的当前适应值优于目前已找到的所述全局最优位置的适应值时，更新所述全局最优位置。5.一种线性相位滤波器的构建系统，其特征在于，包括：生成模块，用于基于预设的粒子群算法参数随机生成初始种群，所述初始种群包括多个粒子的位置和速度；计算模块，用于计算种群的种群分布熵和平均粒距，所述种群为初始种群或次生种群；更新模块，用于在所述种群分布熵大于最大种群分布熵且所述平均粒距大于最大平均粒距时，更新惯性权重、...

【专利技术属性】
技术研发人员：杜江，矣峻岭，
申请(专利权)人：成都美数科技有限公司，
类型：发明
国别省市：