电力自动化设备
電力自動化設備
전력자동화설비
ELECTRIC POWER AUTOMATION EQUIPMENT
2007年
8期
66-69
,共4页
神经网络%FIR高阶数字滤波器%优化设计
神經網絡%FIR高階數字濾波器%優化設計
신경망락%FIR고계수자려파기%우화설계
为有效提高有限冲激响应FIR(Finite Impulse Response)高阶数字滤波器优化设计速度和精度,根据FIR线性相位滤波器的幅频特性,提出了一种基于激励矩阵为Hd-CTW的神经网络算法.该算法的主要思想是用神经网络算法优化设计的FIR滤波器的幅频特性与理想滤波器的幅频特性在整个通带和阻带范围内的误差平方和为最小,算法不涉及逆矩阵运算.为了保证该算法的收敛性,提出并证明了神经网络算法的收敛性定理,为神经网络学习率的选择提供了理论依据.该算法的主要特点是可实现样本集数据的并行训练,有效提高了计算速度.为了验证该算法的有效性,给出了多通带FIR高阶数字滤波器优化设计实例,仿真结果表明了该算法具有高的计算精度和快的计算速度.
為有效提高有限遲激響應FIR(Finite Impulse Response)高階數字濾波器優化設計速度和精度,根據FIR線性相位濾波器的幅頻特性,提齣瞭一種基于激勵矩陣為Hd-CTW的神經網絡算法.該算法的主要思想是用神經網絡算法優化設計的FIR濾波器的幅頻特性與理想濾波器的幅頻特性在整箇通帶和阻帶範圍內的誤差平方和為最小,算法不涉及逆矩陣運算.為瞭保證該算法的收斂性,提齣併證明瞭神經網絡算法的收斂性定理,為神經網絡學習率的選擇提供瞭理論依據.該算法的主要特點是可實現樣本集數據的併行訓練,有效提高瞭計算速度.為瞭驗證該算法的有效性,給齣瞭多通帶FIR高階數字濾波器優化設計實例,倣真結果錶明瞭該算法具有高的計算精度和快的計算速度.
위유효제고유한충격향응FIR(Finite Impulse Response)고계수자려파기우화설계속도화정도,근거FIR선성상위려파기적폭빈특성,제출료일충기우격려구진위Hd-CTW적신경망락산법.해산법적주요사상시용신경망락산법우화설계적FIR려파기적폭빈특성여이상려파기적폭빈특성재정개통대화조대범위내적오차평방화위최소,산법불섭급역구진운산.위료보증해산법적수렴성,제출병증명료신경망락산법적수렴성정리,위신경망락학습솔적선택제공료이론의거.해산법적주요특점시가실현양본집수거적병행훈련,유효제고료계산속도.위료험증해산법적유효성,급출료다통대FIR고계수자려파기우화설계실례,방진결과표명료해산법구유고적계산정도화쾌적계산속도.
