【技术实现步骤摘要】
本专利技术涉及数字信号处理和通信，涉及一种借助神经网络的fir滤波器阶数估计方法及系统。
技术介绍
1、fir滤波器作为数字滤波器的一种，以其精确的线性相位和独特的稳定性在诸如调制通信系统、多载波通信系统、图像去噪处理等领域中得到了广泛应用。在设计fir滤波器时，工程师们通常希望在满足性能要求的前提下，尽可能减少滤波器的阶数，以降低实现成本和复杂度。
2、常见的fir滤波器优化设计方法有最小最大和最小二乘，两者的设计在给定频率参数和性能要求下需要进行阶数估计。现有估计方法是基于设计经验形成的公式化估计，具有严格确定性。在严格的性能要求下，现有方法存在估计不准确，需要根据设计结果进行人为阶数调节和反复测试的过程，增大了设计成本。
技术实现思路
1、本专利技术针对现有技术的不足，提供了一种借助深度学习神经网络的fir滤波器阶数估计方法及系统，本专利技术可通过神经网络实现频率和性能到阶数的估计映射，其较高的精确性可以避免后续调节和测试的反复过程。
2、第一方面，本专利技术...
【技术保护点】
1.一种借助神经网络的FIR滤波器阶数估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述数据集的构建采用最小最大设计和最小二乘设计，分别使用matlab函数firpm()和firls()进行滤波器设计，并进行性能测试。
3.根据权利要求1所述的方法，其特征在于，还包括在给定参数下通过最小最大设计或最小二乘设计来得到滤波器，并进行滤波器性能测试，得到由滤波器阶数、通带频率、阻带频率、通带衰减、阻带衰减、波动加权值构成的数据集。
4.根据权利要求1、2或3所述的方法，其特征在于，所述深度神经网络为四输入...
【技术特征摘要】
1.一种借助神经网络的fir滤波器阶数估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述数据集的构建采用最小最大设计和最小二乘设计，分别使用matlab函数firpm()和firls()进行滤波器设计，并进行性能测试。
3.根据权利要求1所述的方法，其特征在于，还包括在给定参数下通过最小最大设计或最小二乘设计来得到滤波器，并进行滤波器性能测试，得到由滤波器阶数、通带频率、阻带频率、通带衰减、阻带衰减、波动加权值构成的数据集。
4.根据权利要求1、2或3所述的方法，其特征在于，所述深度神经网络为四输入、两输出、包含两个隐藏层的神经网络。
5.根据权利要求4所述的方法，其特征在于，所述神经网络的输出层包含intlayer。
6.根据权利要求1所述的方法，其特征在于，所述fir滤波器设计要求包括归一化的通带频率、归一化...
【专利技术属性】
技术研发人员：闻建刚，孙晗博，方骏鑫，
申请(专利权)人：桐乡市通用人工智能研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。