一种借助神经网络的FIR滤波器阶数估计方法及系统与流程

本发明涉及数字信号处理和通信，涉及一种借助神经网络的fir滤波器阶数估计方法及系统。

背景技术：

1、fir滤波器作为数字滤波器的一种，以其精确的线性相位和独特的稳定性在诸如调制通信系统、多载波通信系统、图像去噪处理等领域中得到了广泛应用。在设计fir滤波器时，工程师们通常希望在满足性能要求的前提下，尽可能减少滤波器的阶数，以降低实现成本和复杂度。

2、常见的fir滤波器优化设计方法有最小最大和最小二乘，两者的设计在给定频率参数和性能要求下需要进行阶数估计。现有估计方法是基于设计经验形成的公式化估计，具有严格确定性。在严格的性能要求下，现有方法存在估计不准确，需要根据设计结果进行人为阶数调节和反复测试的过程，增大了设计成本。

技术实现思路

1、本发明针对现有技术的不足，提供了一种借助深度学习神经网络的fir滤波器阶数估计方法及系统，本发明可通过神经网络实现频率和性能到阶数的估计映射，其较高的精确性可以避免后续调节和测试的反复过程。

2、第一方面，本发明提供了一种借助神经网络的fir滤波器阶数估计方法，该方法包括以下步骤：

3、构建用于深度学习神经网络的数据集，所述数据集包含滤波器阶数、通带频率、阻带频率、通带衰减、阻带衰减和波动加权值；

4、构建深度神经网络，以通带频率、阻带频率、通带衰减、阻带衰减为输入，以滤波器阶数和波动加权值为输出，采用所述数据集进行神经网络的训练和测试；

5、将fir滤波器设计要求作为输入，利用训练完成的深度神经网络，得到滤波器阶数的估计；

6、将估计所得滤波器阶数和波动加权值，联合给定的频率，用于最小最大设计或最小二乘设计，得到具体的fir滤波器系数结果。

7、第二方面，本发明提供了一种借助神经网络的fir滤波器阶数估计系统，包括：

8、数据集构建单元，用于构建用于深度学习神经网络的数据集，所述数据集包含滤波器阶数、通带频率、阻带频率、通带衰减、阻带衰减和波动加权值；

9、网络模型构建单元，用于构建深度神经网络，以通带频率、阻带频率、通带衰减、阻带衰减为输入，以滤波器阶数和波动加权值为输出，采用所述数据集进行神经网络的训练和测试；

10、阶数估计单元，用于将fir滤波器设计要求作为输入，利用训练完成的深度神经网络，得到滤波器阶数的估计；

11、滤波器系数获取单元，用于将估计所得滤波器阶数和波动加权值，联合给定的频率，用于最小最大设计或最小二乘设计，得到具体的fir滤波器系数结果。

12、第三方面，本发明提供了一种智能终端，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的借助神经网络的fir滤波器阶数估计程序，所述借助神经网络的fir滤波器阶数估计程序被所述处理器执行时实现所述借助神经网络的fir滤波器阶数估计方法的步骤。

13、第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有借助神经网络的fir滤波器阶数估计程序，所述借助神经网络的fir滤波器阶数估计程序被处理器执行时实现所述借助神经网络的fir滤波器阶数估计方法的步骤。

14、本发明的有益效果主要表现在：可以克服现有公式估计方法适用性范围较窄的问题，通过不同深度神经网络的训练可以适用到不同的fir滤波器设计方法中，实现较准确的滤波器阶数估计，避免过多的人为调节和反复测试。

技术特征：

1.一种借助神经网络的fir滤波器阶数估计方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述数据集的构建采用最小最大设计和最小二乘设计，分别使用matlab函数firpm()和firls()进行滤波器设计，并进行性能测试。

3.根据权利要求1所述的方法，其特征在于，还包括在给定参数下通过最小最大设计或最小二乘设计来得到滤波器，并进行滤波器性能测试，得到由滤波器阶数、通带频率、阻带频率、通带衰减、阻带衰减、波动加权值构成的数据集。

4.根据权利要求1、2或3所述的方法，其特征在于，所述深度神经网络为四输入、两输出、包含两个隐藏层的神经网络。

5.根据权利要求4所述的方法，其特征在于，所述神经网络的输出层包含intlayer。

6.根据权利要求1所述的方法，其特征在于，所述fir滤波器设计要求包括归一化的通带频率、归一化的阻带频率、通带衰减和阻带衰减。

7.根据权利要求1所述的方法，其特征在于，所述最小最大设计和最小二乘设计分别使用估计得到的滤波器阶数和波动加权值进行滤波器系数设计。

8.一种借助神经网络的fir滤波器阶数估计系统，其特征在于，包括：

9.一种智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的借助神经网络的fir滤波器阶数估计程序，所述借助神经网络的fir滤波器阶数估计程序被所述处理器执行时实现如权利要求1至7任意一项所述借助神经网络的fir滤波器阶数估计方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有借助神经网络的fir滤波器阶数估计程序，所述借助神经网络的fir滤波器阶数估计程序被处理器执行时实现如权利要求1至7任意一项所述借助神经网络的fir滤波器阶数估计方法的步骤。

技术总结
本发明公开了一种借助神经网络的FIR滤波器阶数估计方法及系统。本发明通过构建数据集，利用深度神经网络实现从频率和性能要求到滤波器阶数的估计，避免了人工调整和反复测试，降低了设计成本和复杂性。本发明的技术方案包括构建数据集、深度神经网络构建、滤波器阶数的估计、FIR滤波器设计和滤波器系数结果的获取。通过实验验证，本发明能够有效地满足性能要求，具有适用性和准确性，适用于常见的FIR滤波器设计方法，实现了滤波器阶数的精确估计。

技术研发人员：闻建刚,孙晗博,方骏鑫
受保护的技术使用者：桐乡市通用人工智能研究院
技术研发日：
技术公布日：2025/4/10