本發明提供的是一種量子生物地理學演進機制的多約束FIR數字濾波器生成方法。初始化棲息地，計算適宜指數。將棲息地映射為量子棲息地，對量子棲息地進行降序排列，初始化每個量子棲息地。對量子棲息地進行遷移操作，再對量子棲息地的后50％進行兩種變異操作。將量子棲息地映射為棲息地，計算棲息地的適宜指數，對量子棲息地進行降序排列，更新量子棲息地，更新量子信仰空間中的量子形勢知識和量子規范知識。更新每個量子棲息地。循環迭代，最終輸出量子形勢知識中的最優量子棲息地，映射為棲息地，對應FIR數字濾波器的參數向量。本發明設計出的FIR數字濾波器具有收斂速度快，濾波器性能好和滿足多約束要求等優點。

技術領域

本發明涉及的是一種數字濾波器的生成方法，具體地說是一種有限長單位沖擊響應(FIR)數字濾波器的生成方法。

背景技術

在數字信號處理領域中，數字濾波器的設計是一個極其重要的研究方向。數字濾波器是指將輸入離散時間信號(對應數字頻率)轉換為所要求的輸出離散時間信號的特定功能裝置。

數字濾波器從實現的網絡結構或者從單位脈沖響應分類，可以分成有限脈沖響應數字濾波器(Finite Impulse Response,FIR)和無限脈沖響應(Infinite ImpulseResponse,IIR)數字濾波器。FIR數字濾波器以其系統穩定性、易于實現線性相位、允許設計多通帶(或多阻帶)濾波器以及硬件容易實現等特點，在通信、雷達、聲納、語音與圖像信號處理、HDTV、生物醫學及地震勘探等許多方面得到了廣泛的應用。

目前，FIR數字濾波器的設計方法主要是建立在對理想濾波器頻率特性作某種近似的基礎上。這些近似方法有窗函數法、頻率抽樣法及最佳一致逼近法等。近年來一些學者對數字濾波器的設計做了大量研究工作，使用各種智能算法來設計數字濾波器，這種方法是在一定的優化準則下，設計的濾波器性能近似最優。經對現有技術文獻的檢索發現，Nevio Benvenuto等在《IEEE Transactions on Signal Processing》(1992,Vol.40,No.2)發表的“Applications of Simulated Annealing for the Design”將模擬退火算法應用到FIR數字濾波器的設計中，取得了不錯的效果，但是該方法采用了隨機策略，導致運算量比較大。Suckley D在《Circuits,Devices and Systems,IEEE Proceedings G》(1991,Vol.138,No.2)上發表的“Genetic algorithm in the design of FIR filters”利用遺傳算法來設計FIR濾波器，但該算法的編碼和結構復雜且收斂性能一般。李輝等在《電子學報》(2005,Vol.33,No.7)上發表的“粒子群優化算法在FIR數字濾波器設計中的應用”利用粒子群優化算法設計FIR濾波器，但粒子群算法的群體中每個粒子只在有限的樣本空間中進行搜索，易于陷入局部最優，使所設計的濾波器性能依舊不能達到最優。因此，針對現有的基于智能計算FIR數字濾波器設計的不足，設計多約束要求的最優FIR數字濾波器，滿足更嚴格的性能要求，獲得最優濾波效果，意義重大。

發明內容

本發明的目的在于提供一種結構簡單、收斂速度快、濾波器性能好的量子生物地理學演進機制的多約束FIR數字濾波器生成方法。

本發明的目的是這樣實現的：本發明采用均方誤差最小的準則對FIR數字濾波器進行設計，即在解空間尋找一組濾波器參數向量使要求的頻率響應與求出的實際頻率響應幅度的均方誤差最小。