Розробка методу синтезу КІХ-фільтрів з каскадною структурою на базі генетичного алгоритму
DOI:
https://doi.org/10.15587/2706-5448.2021.237271Ключові слова:
генетичний алгоритм, КІХ-фільтр, каскадна структура цифрового фільтру, середньоквадратичне відхилення, кусочно-лінійна функціяАнотація
Об'єктом дослідження є процес цифрової обробки сигналів, предметом дослідження – методи синтезу цифрових фільтрів з кінцевою імпульсною характеристикою на базі генетичного алгоритму. Цифрова фільтрація – одне із завдань цифрової обробки сигналу. КІХ-фільтри є стійкими завжди та забезпечують постійну групову затримку. Існують різні методи синтезу цифрових фільтрів, але всі вони спрямовані на синтез фільтрів з прямою структурою.
Одним з найбільш проблемних місць цифрового фільтра з прямою структурою в цифровій обробці є висока чутливість характеристик фільтра до неточності задання коефіцієнтів фільтра. Методи синтезу фільтрів на основі генетичного алгоритму використовують ідеальний фільтр в якості такого, що апроксимується. Такий підхід має ряд недоліків: ускладнюється пошук оптимального рішення; збільшується час обчислень.
В ході дослідження використовувалися: метод випадкового пошуку, який лежить в основі генетичного алгоритму (призначений для вирішення завдань оптимізації); теорія цифрової фільтрації при аналізі фільтрів; чисельні методи при моделюванні в програмі на мові Python.
Отримано метод синтезу КІХ-фільтра з каскадною структурою, який менш чутливий до ефекту кінцевої розрядності. Вдалося знизити час обчислень. Це пов'язано з тим, що запропонований метод виконує пошук найбільш придатних коефіцієнтів фільтра на основі генетичного алгоритму та має ряд особливостей, зокрема, в якості амплітудно-частотної характеристики, що апроксимується, запропоновано використовувати кусочно-лінійну функцію.
Завдяки цьому забезпечується можливість знизити кількість популяцій генетичного алгоритму при пошуці рішення. Синтез КІХ-фільтра з каскадною структурою на базі генетичного алгоритму показав, що для фільтра 24 порядку знадобилося близько 30-40 поколінь, щоб отримати параметри фільтра, близькі до оптимальних значень. У порівнянні з класичними методами синтезу фільтрів забезпечуються наступні переваги: обчислення коефіцієнтів фільтра з каскадною структурою безпосередньо, можливість оптимізації коефіцієнтів з обмеженою розрядністю.
Посилання
- Zubarev, Yu. B., Vityazev, V. V., Dvorkovich, V. P. (1999). Tsifrovaya obrabotka signalov – informatika realnogo vremeni. Tsifrovaya obrabotka signalov, 1, 5–17.
- Mitchell, M. (1998). An Introduction to Genetic Algorithms. London: MIT Press, 158. doi: http://doi.org/10.7551/mitpress/3927.001.0001
- Mutingi, M., Mbohwa, C. (2017). Grouping Genetic Algorithms. Advances and Applications. Switzerland: Springer International Publishing, 243. doi: http://doi.org/10.1007/978-3-319-44394-2
- Rabiner, L. (1978). Teoriya i primenenie tsifrovoy obrabotki signalov. Moscow: Izdatelstvo “Mir”, 848.
- Proakis, J., Manolakis, D. (2013). Digital Signal Processing. London: Pearson, 1019.
- Yukhimenko, B., Gulyaeva, N. (2018). Metody optimizatsii i issledovaniya operatsiy. Kyiv: Izdatelstvo «Feniks», 204.
- Thakare, V. V., Sahu, R. K. (2015). A Genetic Algorithm for Optimization of MSE & Ripples in Linear Phase Low Pass FIR Filter & Also Compare with Cosine Window Techniques. International Journals Digital Communication and Analog Signals, 1, 9–15.
- Sahu, R. K., Thakare, V. V. (2015). Comparative Designing of Optimal FIR Filter using Parks-McClellan & Genetic Algorithm. International Journal of Computer & Communication Engineering Research, 3, 46–49. Available at: http://www.ijcaonline.ijccer.org/index.php/ojs/article/download/162/77
- Karaboğa, N., Çetinkaya, B. (2004). Optimal design of minimum phase digital fir filters by using genetic algorithm. 3rd International Conference on Electrical and Electronics Engineering, 176–179. Available at: https://www.emo.org.tr/ekler/cf9d6bd14a20958_ek.pdf
- Solonina, A. I. (2018). Tsifrovaya obrabotka signalov v zerkale MATLAB. Saint Petersburg: Izdatelstvo “BKHV”, 560.
- Cheng, J. R., Gen M. (2020). Parallel Genetic Algorithms with GPU Computing. Intechopen, 26. doi: http://doi.org/10.5772/intechopen.89152
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2021 Ruslan Petrosian, Vladyslav Chukhov, Arsen Petrosian
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.