《基于神经网络的FIR滤波器设计仿真.ppt》由会员分享，可在线阅读，更多相关《基于神经网络的FIR滤波器设计仿真.ppt（12页珍藏版）》请在三一办公上搜索。
1、基于神经网络的FIR滤波器设计仿真,电子6班：*指导老师：*,论文结构,绪论数字滤波器神经网络设计部分,设计部分,一型FIR滤波器幅频特性：频率响应,由此可得FIR滤波器的幅频响应：,n=1,2,(N-1)/2,神经网络建模,在（0,）之间均匀采样获得离散期望输出Md(m),其中m=1,2M,幅频响应可以重写为：H=CTa现在定义误差函数为：e=Md-H目标函数：按最速下降法可以由下式获得a：,该神经网络算法过程总结如下：,1、在（0，）内均匀采样理想滤波器的幅频响应Md(m)，以获得离散向量作为训练样本，对权值a赋一个随机初始值，定义一个任意小数2、通过H=CTa，算出新的输出H3、计算出误
2、差e和目标函数V(e)4、由 通过反馈算法更新权值向量a5、如果目标函数V（e），则返回到第二步继续训练，否则就结束神经网络训练。,仿真实例,设计一个80阶的陷波频率为m=0.35的FIR陷波器。首先设N=81，=10-10，=0.0244，并在（0，）之间均匀采样，获得41个训练样本，m=(m-1)/40,m=1,2,41,随机设初始权值a为0.5，经过43次训练，得到预期结果。,所设计的FIR陷波器幅频响应如下图,本文算法的缺点及改进,常用改进方法：1基于标准梯度下降法改进2基于数值优化方法改进3优化激活函数,总结,本文针对一维线性FIR滤波器的四种类型的设计问题，提出了一种以余弦基函数作为隐层激励函数的设计方法。它是一种有导师学习算法。通过给权值赋以随机值，并给定期望输出，再通过实际输出与期望输出对比得到误差来影响并更新权值，不断训练直到得到预期结果。,谢 谢,
