![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于遗传算法的iir数字滤波器的设计与仿真-毕业论文.doc
《基于遗传算法的iir数字滤波器的设计与仿真-毕业论文.doc》由会员分享,可在线阅读,更多相关《基于遗传算法的iir数字滤波器的设计与仿真-毕业论文.doc(31页珍藏版)》请在咨信网上搜索。
1、武汉理工大学数字信号处理基于遗传算法的IIR数字滤波器的设计与仿真 班级: 组员: 武汉理工大学数字信号处理目录摘要1Abstract21 遗传算法31.1 遗传算法的产生与发展31.2 遗传算法的概述41.3 遗传算法的特点41.4 遗传算法基本流程操作52 数字滤波器82.1数字滤波器的简介82.2 FIR和IIR数字滤波器的概述82.2.1 FIR数字滤波器82.2.2 IIR数字滤波器92.2.3 FIR数字滤波器与IIR数字滤波器的区别103 数字滤波器的设计方法113.1数字滤波器的设计要求114 基于遗传算法的IIR数字滤波器的设计与仿真144.1 Matlab软件的概述144.
2、2 IIR数字滤波器的设计144.2.1数字滤波器设计的简要分析144.2.2实例比较一般算法设计思路和遗传算法设计思路164.3 IIR数字滤波器的仿真结果204.3.1 仿真图形205 小结216 参考文献22附件23摘要无限脉冲响应数字滤波器(IIR)具有频特性精度高、实现简单等优点,在数字信号处理领域得到了广泛应用;遗传算法是一类依自然环境的进化规律适者生存优胜劣汰遗传机制,演化而来的随机化搜索方法。它是由美国J.Holland教授1975年最先提出,其主要特点是直接对结构对象进行操作,不存在求导和函数连续性的限定,具有内在的隐并行性和更好的全局寻优能力,采用概率化的寻优方法,能自动获
3、取和指导优化的搜索空间,自适应地调整搜索方向,不需要确定的规则。遗传算法的这些性质已被广泛地应用于问题求解、机器学习、信号处理、智能控制和人工生命等领域。它是现代有关智能计算中的关键技术,因而将其应用在数字滤波器算法的优化上。 关键词: IIR数字滤波器 遗传算法 AbstractDigital filter with Finite Impulse Response(FIR)has lots of advantages,such as systemic stability,linear phase,etcIt has been widely used in digital signal pro
4、cessingThe genetic algorithm has lots of merits,such as the memorability,distribution,and diversityIt is widespread in the fields of intelligent computation,pattern recognition and optimization designThis paper presents a designing method of digital filterIt is based on the combination genetic algor
5、ithm with the cosine sequencesThe window function is constructed effectively by weighting cosine sequencesThe corresponding weighting coefficients are computed b,the genetic algorithmDigital filter is realized finally by windowing approachIn order to accelerate the convergent speed and improve the p
6、recision,elitist model and floating-point coding are adoptedThe efficiency of the proposed method is validated by simulation experiments taking on designing low pass digital filtersThe designing method presented in this paper has some advantages,such as ood flexibility,universality,and so onKeywords
7、: IIR digital filter Genetic algorithm1 遗传算法1.1 遗传算法的产生与发展遗传算法(GeneticAlgorithm)是一类借鉴生物界的进化规律(适者生存,优胜劣汰遗传机制)演化而来的随机化搜索方法。它是由美国的J.Holland教授1974年首先提出,其主要特点是直接对结构对象进行操作,不存在求导和函数连续性的限定;具有内在的隐并行性和更好的全局寻优能力;采用概率化的寻优方法,能自动获取和指导优化的搜索空间,自适应地调整搜索方向,不需要确定的规则。随后经过20余年的发展,取得了丰硕的应用成果和理论研究的进展,无论是理论研究还是应用研究都成了十分热门的
8、课题。尤其是遗传算法的应用研究显得格外活跃,不但它的应用领域扩大,而且利用遗传算法进行优化和规则学习的能力也显著提高,同时产业应用方面的研究也在摸索之中。此外一些新的理论和方法在应用研究中亦得到了迅速的发展,这些无疑均给遗传算法增添了新的活力。遗传算法的应用研究已从初期的组合优化求解扩展到了许多更新、更工程化的应用方面。近几年来,遗传算法主要在复杂优化问题求解和工业工程领域应用方面,取得了一些令人信服的结果,所以引起了很多人的关注。在发展过程中,进化策略、进化规划和遗传算法之间差异越来越小。遗传算法成功的应用包括:作业调度与排序、可靠性设计、车辆路径选择与调度、成组技术、设备布置与分配、交通问
9、题、组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术。 随着遗传算法的不断发展, 关于遗传算法的国际学术活动越来越多, 遗传算法已成为一个多学科、多领域的重要研究方向。1.2 遗传算法的概述遗传算法是从代表问题可能潜在的解集的一个种群开始的,而一个种群则由一定数量的经过了基因编码的个体组成。每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体,即多个基因的集合,其内部表现为某种基因组合(即基因型),它决定了个体形状的外部表现,如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此,在一开始需要实现从表现型到基因型的映射,即编码工
10、作。由于仿照基因编码的工作很复杂,我们往往将其简化,如二进制编码,初代种群产生之后,按照适者生存和优胜劣汰的原理,逐代演化产生出越来越好的近似解,在每一代,根据问题域中个体的适应度大小选择个体,并借助于自然遗传学的遗传算子进行组合交叉和变异,产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境,末代种群中的最优个体经过解码,可以作为问题近似最优解。1.3 遗传算法的特点遗传算法是解决搜索问题的一种通用算法,对于各种通用问题都可以使用。搜索算法的共同特征为:(1)首先组成一组候选解;(2)依据某些适应性条件测算这些候选解的适应度; (3)根据适应度保留某些候
11、选解,放弃其他候选解; (4)对保留的候选解进行某些操作,生成新的候选解。在遗传算法中,上述几个特征以一种特殊的方式组合在一起:基于染色体群的并行搜索,带有猜测性质的选择操作、交换操作和突变操作。这种特殊的组合方式将遗传算法与其它搜索算法区别开来。 遗传算法还具有以下几方面的特点: (1) 遗传算法从问题解的串集开始嫂索,而不是从单个解开始。这是遗传算法与传统优化算法的极大区别。传统优化算法是从单个初始值迭代求最优解的;容易误入局部最优解。遗传算法从串集开始搜索,覆盖面大,利于全局择优。(2)许多传统搜索算法都是单点搜索算法,容易陷入局部的最优解。遗传算法同时处理群体中的多个个体,即对搜索空间
12、中的多个解进行评估,减少了陷入局部最优解的风险,同时算法本身易于实现并行化。 (3)遗传算法基本上不用搜索空间的知识或其它辅助信息,而仅用适应度函数值来评估个体,在此基础上进行遗传操作。适应度函数不仅不受连续可微的约束,而且其定义域可以任意设定。这一特点使得遗传算法的应用范围大大扩展。 (4)遗传算法不是采用确定性规则,而是采用概率的变迁规则来指导他的搜索方向。 (5)具有自组织、自适应和自学习性。遗传算法利用进化过程获得的信息自行组织搜索时,硬度大的个体具有较高的生存概率,并获得更适应环境的基因结构。 1.4 遗传算法基本流程操作图1-4-1 解决实际问题时遗传算法流程图图1-4-2 遗传过
13、程(1)编码:确定用何种码制, 然后将问题参数编码形成基因码链,每一个码链代表一个个体, 表示优化问题的一个解。(2)初始化:随机产生一个规模为P的初始种群, 其中每个个体为一定长度的码链, 该群体代表优化问题的一些可能解的集合。(3)估计适应度:计算种群中每个个体的适应度, 适应度为群体进化时的选择提供了依据。一般来说适应度越高, 解的素质越好。适应度函数可以根据目标函数而定。(4)再生(选择):根据每个个体的相对适应度, 计算每个个体的再生次数, 并进行再生操作, 产生新的个体加人下一代群体中, 一般再生的概率与其适应度成正比。(5)交叉:从种群中随机选择两个染色体, 按一定的概率进行基因
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 遗传 算法 iir 数字滤波器 设计 仿真 毕业论文
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【可****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【可****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。