| 【中文题名】 | 基于遗传算法的BP神经网络在数字滤波器中的应用研究 |
| 【英文题名】 | Application of BP Neural Network Based on Genetic Algorithm to the Design of Digital Filter |
| 【学科专业】 | 电力电子与电力传动 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-25 |
| 【中关键词】 | BP神经网络,遗传算法,FIR数字滤波器,IIR数字滤波器波器,, |
| 【英关键词】 | BP Neural Network,Genetic Algorithm,FIR Digital Filter,IIR Digital Filter, |
| 【分类导航】 | 工业技术>无线电电子学、电信技术>基本电子电路>滤波技术、滤波器>数字滤波器> |
| 【论文摘要】 |
滤波器技术的发展到现在已有八十多年的历史，并且已经发展成为了一种相当完善的信号处理技术。目前人们针对所存在的实际系统的问题，应用各种先进的优化算法对经典滤波器进行的优化设计成为研究的重点，并取得了很多成果。目前国内对于遗传算法优化神经网络的研究和分别用二者设计数字滤波器的研究都取得了很多成果，而且鉴于二者相结合所具有的优点，使得它们在数字滤波器设计中的应用具有很好的研究前景，从而改善以往滤波技术，特别是经典滤波器设计中存在的一些问题。
本文正是在分析了BP神经网络和遗传算法各自在优化计算中的优缺点之后，提出了一种基于遗传算法的BP神经网络算法。该算法分别利用了它们局部和全局寻优能力的特点，并利用遗传算法去优化BP神经网络的权值，综合为一种新的优化算法。并将该算法用于数字滤波器的优化设计中进行验证。
FIR数字滤波器和IIR数字滤波器广泛应用于信号处理中，它们的设计实际上就是一种函数逼近的优化设计。使用本文提出的基于遗传算法的BP神经网络算法设计了几种低通、高通FIR、IIR数字滤波器，并给出了相应的仿真结果以验证其有效性。仿真结果表明：本文研究提出的这种新算法可以很好的逼近理想的滤波... |
| 【论文题纲】 |
|
中文摘要 |
2-4 |
|
英文摘要 |
4-9 |
|
第一章 绪论 |
9-16 |
|
1.1 引言 |
9 |
|
1.2 数字滤波器的设计 |
9-12 |
|
1.3 BP神经网络简介 |
12-13 |
|
1.4 遗传算法与优化计算 |
13-15 |
|
1.5 课题的主要内容及研究的重点和难点 |
15-16 |
|
第二章 数字滤波器的设计 |
16-35 |
|
2.1 滤波器的基本概念 |
16-19 |
|
2.2 FIR数字滤波器的设计 |
19-25 |
|
2.3 IIR数字滤波器设计 |
25-33 |
|
2.4 FIR DF与IIR DF的比较 |
33-35 |
|
第三章 BP神经网络与遗传算法 |
35-56 |
|
3.1 神经网络简介 |
35-43 |
|
3.2 遗传算法简介 |
43-49 |
|
3.3 基本遗传算法的基本操作 |
49-51 |
|
3.4 遗传算法的改进 |
51-56 |
|
第四章 遗传算法优化BP神经网络 |
56-61 |
|
4.1 遗传算法和神经网络的结合 |
56-58 |
|
4.2 本文提出的一种基于遗传算法的BP神经网络学习算法 |
58-61 |
|
第五章 基于遗传算法的BP神经网络在数字滤波器设计中的应用 |
61-77 |
|
5.1 基于遗传算法的BP神经网络在FIR DF优化设计中的应用 |
61-68 |
|
5.2 基于遗传算法的BP神经网络在IIR DF优化设计中的应用 |
68-77 |
|
第六章 结论 |
77-78 |
|
参考文献 |
78-81 |
|
作者在读期间科研成果简介 |
81-83 |
|
致谢 |
83 |
|
| 【DOI】 | LunWen.ID:2.2008.388696 |
