طراحی بهینه فیلترهای (FIR) با فاز خطی با استفاده از مدل شبکه عصبی تعمیم یافته (BSB)

در این مقاله با استفاده از شبکه عصبی تکرار شونده با فیدبک به طراحی بهینه ضرایب فیلترهای دیجیتال با پاسخ ضربه با طول محدود (FIR) می پردازیم ، در اینجا از مدل شبکه عصبی gBSB استفاده کرده ایم که از آن در مسائل بهینه سازی استفاده فراوان می برند . از مشخصه های مهم این شبکه عصبی تضمین همگرایی برای رسیدن به نقاط تعادل توسط تابع انرژی لیاپانوف می باشد . در این روش ما با استفاده از ترکیب فرمول بندی روش کمترین مربعات وزن دار (WLS) و شبکه عصبی به یک الگوریتم مناسب برای طراحی فیلتر دست پیدا کردیم ، که با استفاده از تابع انرژی لیاپانوف و تابع هدف از روش WLS توانستیم پارامتر های لازم برای شبکه عصبی را پیدا کنیم و در خروجی شبکه عصبی ضرایب بهینه شده بدست آیند . این وش طراحی بسیار سرراست بوده و منجربه کاهش پیچیدگی های محاسباتی نرم افزاری و هزینه های سخت افزاری برای طراحی فیلترهای دیجیتال می گردد . در نهایت با شبیه سازی نرم افزاری مناسب بودن این روش را نشان می دهیم.

کلیدواژه ها:

فیلترهای دیجیتال با پاسخ ضربه با طول محدود (FIR) ، شبکه های عصبی gBSB ، کمترین مربعات وزن دار (WLS) ، تابع انرژی لیاپانوف