دوره 17، شماره 1 - ( 4-1399 )                   جلد 17 شماره 1 صفحات 15-28 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Kamandar M, Maghsoudi Y. Low latency IIR digital filter design by using metaheuristic optimization algorithms. JSDP. 2020; 17 (1) :15-28
URL: http://jsdp.rcisp.ac.ir/article-1-880-fa.html
کماندار مهدی، مقصودی یاسر. طراحی فیلترهای دیجیتال IIR با تأخیر کم با استفاده از الگوریتم‌های بهینه‌سازی فرا ابتکاری. پردازش علائم و داده‌ها. 1399; 17 (1) :15-28

URL: http://jsdp.rcisp.ac.ir/article-1-880-fa.html


دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته
چکیده:   (371 مشاهده)
طراحی فیلترهای دیجیتال IIR مبتنی بر کمینه‌کردن اختلاف پاسخ فرکانسی فیلتر طراحی‌شده و دلخواه به همراه قیودی همچون پایداری، فاز خطی و کمینه فازی توسط الگوریتم­‌های بهینه‌سازی فرا‌ابتکاری توجه زیادی را به خود جلب کرده است. یکی از مشخصه­‌های مهم زمانی فیلترها تأخیر کم آنها است که در کاربردهای هم‌زمان ضروری است. در این مقاله جهت طراحی یک فیلتر با تأخیر کم، مفهوم انرژی جزئی وزن‌دار پاسخ ضربه فیلتر پیشنهاد شده است. با کمینه‌‌کردن این معیار، انرژی پاسخ ضربه فیلتر در ابتدای آن متمرکز شده و باعث سریع‌تر از بین رفتن پاسخ گذرا و همچنین کاهش تأخیر فیلتر در پاسخ به ورودی می­‌شود. این خاصیت در کنار کمینه فازی منجر به مشخصات زمانی خوب علاوه‌بر مشخصات خوب فرکانسی برای فیلتر می‌شود، به این معنی که پاسخ پله فیلتر به پله نزدیک می‌شود که در بسیاری از کاربردها ضروری است. در تابع هزینه پیشنهادی برای افزایش حاشیه پایداری از کمینه‌کردن معیار بزرگ‌ترین اندازه قطب‌­ها، جهت کمینه فازی از کمینه‌کردن معیار تعداد صفرهای بیرون دایره واحد و جهت دست­‌یابی به فاز خطی از معیار تأخیر گروهی ثابت استفاده شده است. کمینه‌کردن تابع هزینه پیشنهادی به‌دلیل نا محدب‌بودن و تعداد زیادی بهینه­‌های محلی توسط الگوریتم‌­های فرا‌ابتکاری PSO، GA و GSA انجام شده است. نتایج گزارش‌شده، قابلیت و انعطاف‌­پذیری روش پیشنهادی را در طراحی انواع  فیلترهای دیجیتال فرکانس گزین، مشتق گیر و انتگرال گیر، همسان‌ساز و هیلبرت با مشخصات فرکانسی و زمانی خوب در مقایسه با روش­‌های رایج را نشان می­‌دهد. فیلتر طراحی‌شده با استفاده از روش پیشنهادی تنها 79/1 نمونه تأخیر دارد که برای بیش‌تر کاربردها ایده‌ال است.
متن کامل [PDF 3744 kb]   (158 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: 1397/4/17 | پذیرش: 1397/6/24 | انتشار: 1399/4/1 | انتشار الکترونیک: 1399/4/1

فهرست منابع
1. [1] G. Bernard, T. G. Stockham, A. V. Oppenheim and C. M. Rader. Digital processing of signals. 1969.
2. [2] D. S. Coelho, L. and V. Cocco Mariani. "Combining of differential evolution and implicit filtering algorithm applied to electromagnetic design optimization", In Soft Computing in Industrial Applications, pp. 233-240. Springer, Berlin, Heidelberg, 2007.
3. [3] S. Ahmad, Design of digital filters using genetic algorithms. PhD diss., 2008.
4. [4] J. H. Holland, "Genetic algorithms and the optimal allocation of trials," SIAM Journal on Computing, Vol. 2, no. 2, pp. 88-105, 1973. [DOI:10.1137/0202009]
5. [5] S. Bernardino, Heder, and H. Barbosa, "Artificial immune systems for optimization", Nature-Inspired Algorithms for Optimisation, pp. 389-411, 2009. [DOI:10.1007/978-3-642-00267-0_14]
6. [6] M. Dorigo, and C. Blum. "Ant colony optimization theory: A survey", Theoretical computer science, Vol. 344, no. 2-3, pp. 243-278, 2005. [DOI:10.1016/j.tcs.2005.05.020]
7. [7] E. Rashedi, H. Nezamabadi-pour, and S. Saryazdi. "GSA: A gravitational search algorithm", Information sciences, Vol. 179, No. 13, pp. 2232-2248, 2009. [DOI:10.1016/j.ins.2009.03.004]
8. [8] J. Kennedy, R. Eberhart, "Particle swarm optimization," Neural Networks, 1995.
9. [9] S. Kockanat, and N. Karaboga, "The design approaches of two-dimensional digital filters based on metaheuristic optimization algorithms: a review of the literature ", Artificial Intelligence Review, Vol. 44, No. 2, pp. 265-287, 2015. [DOI:10.1007/s10462-014-9427-1]
10. [10] A. Aggarwal, T. K. Rawat, and D. K. Upadhyay, "Design of optimal digital FIR filters using evolutionary and swarm optimization techniques", AEU-International Journal of Electronics and Communi-cations, Vol. 70, No. 4, pp. 373-385, 2016. [DOI:10.1016/j.aeue.2015.12.012]
11. [11] A. Gotmare, S. S. Bhattacharjee, R.Patidar, and N. V. George, "Swarm and evolutionary computing algorithms for system identification and filter design: a comprehensive review", Swarm and Evolutionary Compu-tation, Vol. 32, pp. 68-84, 2017. [DOI:10.1016/j.swevo.2016.06.007]
12. [12] M. Kumar and T. K. Rawat, "Optimal fractional delay-IIR filter design using cuckoo search algorithm", ISA transactions, Vol. 59, pp. 39-54, 2015. [DOI:10.1016/j.isatra.2015.08.007] [PMID]
13. [13] J. Dash, B. Dam, and R. Swain, "Optimal design of linear phase multi-band stop filters using improved cuckoo search particle swarm optimization", Applied Soft Computing, Vol. 52, pp. 435-445, 2017. [DOI:10.1016/j.asoc.2016.10.024]
14. [14] D. Bose, S. Biswas, A. V. Vasilakos, , and S.Laha, "Optimal filter design using an improved artificial bee colony algo-rithm", Information Sciences, Vol. 281, pp. 443-461, 2014. [DOI:10.1016/j.ins.2014.05.033]
15. [15] A. Chottera and G. Jullien, "A linear programming approach to recursive digital filter design with linear phase", IEEE transactions on circuits and systems, Vol. 29, no. 3, pp. 139-149, 1982. [DOI:10.1109/TCS.1982.1085123]
16. [16] A. Jiang. IIR digital filter design using convex optimization, PhD diss., 2010.

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.