中英文對照外文翻譯文獻(xiàn)(文檔含英文原文和中文翻譯)譯文:GA算法優(yōu)化IIR濾波器的設(shè)計摘要本文提出了運用遺傳算法(GA)來優(yōu)化無限脈沖響應(yīng)數(shù)字濾波器(IIR)的設(shè)計。IIR濾波器本質(zhì)上是一個遞歸響應(yīng)的數(shù)字濾波器。由于IIR數(shù)字濾波器的表面誤差通常是非線性的和多峰的，而全局優(yōu)化技術(shù)需要避免局部最小值。本文提出了啟發(fā)式方式來設(shè)計IIR濾波器。GA是組合優(yōu)化問題中一種功能強(qiáng)大的全局優(yōu)化算法，該論文發(fā)現(xiàn)IIR數(shù)字濾波器的最佳系數(shù)可以通過GA優(yōu)化。該設(shè)計提出低通和高通IIR數(shù)字濾波器的設(shè)計，以提供過渡頻帶的估計值。結(jié)果發(fā)現(xiàn)，所計算出的值比可用于過濾器的在MATLAB設(shè)計FDA工具更優(yōu)化。舉個例子，采用的仿真結(jié)果表明在過渡帶和均方誤差(MSE)的改善。零極點的位置也被提出來用來描述系統(tǒng)的的穩(wěn)定性，以便將結(jié)果與模擬退火(SA)的方法相比較。關(guān)鍵詞：數(shù)字濾波器;無限沖激響應(yīng)(IIR);遺傳算法(GA);優(yōu)化說明在過去的幾十年中的數(shù)字信號處理(DSP)領(lǐng)域已經(jīng)成長太重要的理論和技術(shù)。在DSP中，有兩個重要的類型系統(tǒng)。第一類型的系統(tǒng)是執(zhí)行信號濾波的時域，因此它被稱為數(shù)字濾波器。第二類型的系統(tǒng)提供的信號表示頻域，被稱為頻譜分析儀。數(shù)字濾波是DSP的最有力的工具之一。數(shù)字濾波器能夠性能規(guī)格，最好的同時也是極其困難的，而且不可能的是，先用模擬濾波器實現(xiàn)。另外，數(shù)字濾波器的特性，可以很容易地在軟件控制下發(fā)生變化。數(shù)字濾波器被分類為有限持續(xù)時間脈沖響應(yīng)(FIR)濾波器或無限持續(xù)時間脈沖響應(yīng)(IIR)濾波器，這取決于該系統(tǒng)的脈沖響應(yīng)的形式。在FIR系統(tǒng)中，脈沖響應(yīng)序列是有限的持續(xù)時間，即，它具有非零項的數(shù)量有限。數(shù)字無限脈沖響應(yīng)(IIR)濾波器通?？梢蕴峁┍绕涞刃в邢廾}沖響應(yīng)(FIR)濾波器更好的性能和更少的計算成本，并已成為越來越感興趣的目標(biāo)。但是，由于IIR濾波器的誤差表面通常是非線性的，多式聯(lián)運，傳統(tǒng)的基于梯度的設(shè)計方法可以很容易地陷入錯誤的表面。因此當(dāng)?shù)貥O小，一些研究者已經(jīng)試圖開發(fā)基于設(shè)計方法現(xiàn)代啟發(fā)式優(yōu)化算法，如遺傳算法(GA)，模擬退火(SA)，禁忌搜索(TS).簡單的迭代方法通常導(dǎo)致次優(yōu)的設(shè)計。因此，有必要的優(yōu)化方法(啟發(fā)式型)，可以是用來設(shè)計數(shù)字濾波器，將滿足規(guī)定的規(guī)格。古德伯格呈現(xiàn)遺傳算法的詳細(xì)的數(shù)學(xué)模型。本韋努托切在書中描述在設(shè)計數(shù)字濾波器具有線性相位數(shù)字濾波器的上下文中使用模擬退火(SA)算法的顯著特征。該算法然后被應(yīng)用到FIR濾波器的設(shè)計。其結(jié)果是并不令人印象深刻。此外，它在計算上的花費是非常昂貴的。艾哈邁德用遺傳算法設(shè)計與CSD系數(shù)限制的低通濾波器的一階IIR濾波器。艾哈邁德和安東尼屋探討了FIR濾波器和均衡器，通過遺傳算法的使用，因而氣需要大量的計算。2007年奧利維拉等人提出了利用非線性隨機(jī)全局優(yōu)化的模擬退火技術(shù)，設(shè)計基于線性FIR濾波器的一種新方法。2011年維斯和唐評價了遺傳編程(GP)的適用性的分布式算法的進(jìn)化。上述各種方法的基本限制是它們主要是用來設(shè)計FIR數(shù)字濾波器。前面的設(shè)計方法的缺點是計算時間是相當(dāng)長的測試優(yōu)化方法，所提出的算法在MATLAB和實現(xiàn)的結(jié)果是非常令人鼓舞的。本文的組織如下：在第2節(jié)中，IIR數(shù)字濾波器的設(shè)計問題進(jìn)行了討論。在3節(jié)中，遺傳算法(GA)的方法作了簡要的闡述。遺傳算法(GA)對濾波器的設(shè)計是在4節(jié)中提出了相關(guān)的。設(shè)計實例的仿真結(jié)果進(jìn)行簡要描述在5節(jié)。結(jié)論和未來的范圍是在6節(jié)中描述的。響應(yīng)IIR濾波器的遞推或是依賴于一個或更多的過去的輸出。如果這樣的過濾器進(jìn)行一個脈沖的輸出不一定為零。這表明，系統(tǒng)很容易反饋和不穩(wěn)定。每個解決方案與健身價值，反映了它是多么的好，在人群中有[16]其他方案進(jìn)行了比較。通過交叉機(jī)制，交流部分之間的數(shù)據(jù)字符串模擬染色體重組過程。新的遺傳物質(zhì)也通過突變導(dǎo)致的隨機(jī)變化的字符串了。對這些遺傳操作的發(fā)生頻率是由一定的概率控制。的選擇，交叉，變異過程如圖2所示[17]構(gòu)成的基本遺傳算法的循環(huán)或生成，這是重復(fù)直到預(yù)定的標(biāo)準(zhǔn)是滿意的。通過這一過程，先后更好個體的物種生成。隨著計算能力的集成電路技術(shù)的進(jìn)步提供了進(jìn)化系統(tǒng)，仿真越來越聽話的氣被應(yīng)用到許多現(xiàn)實世界的問題，包括數(shù)字濾波器的設(shè)計。原文:GeneticAlgorithmfortheDesignofOptimalIIRDigitalFiltersABSTRACTThispaperpresentsthedesignofOptimalInfinite-ImpulseResponse(IIR)digitalfiltersusingGeneticAlgorithm(GA).IIRfilterisessentiallyadigitalfilterwithRecursiveresponses.SincetheerrorsurfaceofdigitalIIRfiltersisgenerallynonlinearandmultimodal,globaloptimizationtechniquesarerequiredinordertoavoidlocalminima.ThispaperpresentsheuristicwayforthedesigningIIRfilters.GAisapowerfulglobaloptimizationalgorithmintroducedincombinatorialoptimizationproblems.ThepaperfindstheoptimumCoefficientsofIIRdigitalfilterthroughGA.DesignofLowpassandHighpassIIRdigitalfilterisproposedtoprovideestimateoftransitionband.ItisfoundthatthecalculatedvaluesaremoreoptimalthanfdatoolavailableforthedesignoffilterinMATLAB.Thesimulationresultoftheemployedexamplesshowsanimprovementontransitionbandandmean-square-error(MSE).Thepositionofpole-zeroisalsopresentedtodescribestabilityandresultsarecomparedwithSimulatedAnnealing(SA)method.Keywords:DigitalFilter;Infinite-ImpulseResponse(IIR);GeneticAlgorithm(GA);Optimization1.IntroductionOverthelastfewdecadesthefieldofDigitalSignalProcessing(DSP)hasgrowntoimportantboththeoreticallyandtechnologically.InDSP,therearetwoimportanttypesofSystems.Thefirst2.typeofsystemsperformssignalfilteringintimedomainandhenceitisknownasDigitalfilters.ThesecondtypeofsystemsprovidesignalrepresentationfrequencydomainandareknownasSpectrumAnalyzer.DigitalfilteringisoneofthemostpowerfultoolsofDSP.Digitalfiltersarecapableofperformancespecificationsthatwould,atbest,beextremelydifficult,ifnotimpossible,toachievewithananalogimplementation.Inaddition,thecharacteristicsofadigitalfiltercanbeeasilychangedundersoftwarecontrol.DigitalfiltersareclassifiedeitherasFinitedurationimpulseresponse(FIR)filtersorInfinitedurationimpulseresponse(IIR)filters,dependingontheformofimpulseresponseofthesystem.IntheFIRsystem,theimpulseresponsesequenceisoffiniteduration,i.e.,ithasafinitenumberofnonzeroterms.Digitalinfinite-impulse-response(IIR)filterscanoftenprovideamuchbetterperformanceandlesscomputationalcostthantheirequivalentfinite-impulse-response(FIR)filtersandhavebecomethetargetofgrowinginterest.However,becausetheerrorsurfaceofIIRfiltersisusuallynonlinearandmultimodal,conventionalgradient-baseddesignmethodsmayeasilygetstuckinthelocalminimaoferrorsurface.Therefore,someresearchershaveattemptedtodevelopdesignmethodsbasedonmodernheuristicoptimizationalgorithmssuchasgeneticalgorithm(GA),simulatedannealing(SA),tabusearch(TS).Analyticalorsimpleiterativemethodsusuallyleadtosub-optimaldesigns.Consequently,thereisaneedofoptimizationmethods(heuristictype)thatcanbeusetodesigndigitalfiltersthatwouldsatisfyprescribedspecifications.GoldbergpresentedadetailedmathematicalmodelofGeneticAlgorithm.Benvenutoetal.(1992)describedthesalientfeaturesofusingasimulatedannealing(SA)algorithminthecontextofdesigningdigitalfilterswithlinearphasedigitalfilter.ThealgorithmisthenappliedtothedesignofFIRfilter.Theresultwasnotimpressive.Moreover,itiscomputationallyveryexpensive.Ahmadietal.(2003)usedgeneticalgorithmtodesign1-DIIRfilterwithcanonical-signed-digitcoefficientsrestrictedtolow-passfilter.AhmadandAntoniou(2006)exploredFIRfiltersandequalizersthroughtheuseofGA.ConsequentlyGAsrequiresalargeamountofcomputation.Oliveiraetal.(2007)presentedanewapproachfordesigninglinearFIRfiltersbyusingnonlinearstochasticglobaloptimizationbasedonsimulatedannealingtechniques.Jungetal.(2008)foundthedesignmethodofalinearphasefinitewordlengthfinite-durationimpulseresponse(FIR)filterusingsimulatedannealing.WeiseandTang(2011)evaluatedtheapplicabilityofgeneticprogramming(GP)fortheevolutionofdistributedalgorithms.ThebasiclimitationofalltheabovemethodsisthattheycanmainlybeusedtodesignFIRdigitalfilters.ThedrawbackofprecedingdesignmethodsisthatthecomputationtimeisquitelongTotesttheoptimizationprocedure,theproposedalgorithmisimplementedinMatlabandresultsarefoundtobeveryencouraging.ThisPaperisorganizedasfollows:InSection2,IIRdigitalfilterdesignaspectsarediscussed.Insection3,GeneticAlgorithm(GA)approachisbrieflymentioned.TheGeneticAlgorithm(GA)relatedtofilterdesignisproposedinSection4.ThesimulationresultsofdesignedexamplesusedisbrieflydescribedinSection5.TheConclusionandfuturescopeisdescribedinSection6.2.IIRFilterDesignIssuesDigitalfiltersareclassifiedasRecursiveandNon-Re-cursivefilters.TheresponseofRecursiveorIIRfiltersisdependentononeormoreofitspastoutput.Ifsuchfiltersubjectedtoanimpulsethenitsoutputneednotnecessarilybecomezero.Thisindicatesthatthesystemispronetofeedbackandinstability.mechanismforbettersolutionstosurvive.Eachsolutionsassociatedwithafitnessvaluethatreflectshowgooditis,comparedwithothersolutionsinthepopulation.Therecombinationprocessissimulatedthroughacross-overmechanismthatexc