基于遗传算法的数字滤波器的设计与仿真实习(调研)报告
毕业设计(论文)-基于matlab的遗传算法研究及仿真[管理资料]
![毕业设计(论文)-基于matlab的遗传算法研究及仿真[管理资料]](https://img.taocdn.com/s3/m/2477e5c383c4bb4cf6ecd1cf.png)
基于Matlab的遗传算法研究及仿真姓名：学号：学院：机电学院指导教师：日期：2016-7-20摘要本文首先介绍了遗传算法的基本思想、遗传算法的构成要素、遗传算法的特点、遗传算法的基本模型、遗传算法的应用情况及今后的研究方向等等的内容。
之后是基于Matlab 。
本人选择了函数优化这个应用领域，按照遗传算法的步骤，即编码、解码、计算适应度（函数值）、选择复制运算、交叉运算和变异运算，对函数进行求解最值。
第三部分：对遗传算法求函数最值问题的改进。
这部分主要针对本文第二部分进行改进，通过改变基本遗传算法运行参数值，如改变交叉概率Pc值和变异概率Pm值，从而使最优值更加接近相对标准下函数的最值。
关键词：遗传算法适应度交叉概率变异概率Study and Application of Genetic AlgorithmAbstract：Firstly，the outline of the Genetic Arithmetic，mainly introduced the Genetic Arithmetic’s mentality、elements、specialty、fundamental model、applied situation and direction of the following research and so on. Secondly，the problem of solving functions’ maximal and minimum value of the Genetic Arithmetic on the basic of Matlab . As a new optimized method，used widely in some aspects，such as computing and science、model identity、intelligence obstacles diagnoses，it is fit to solve the problems of complicated nonlinear and multidimensioned space to find out the optimal value，which applied widely in recent years. I choose functions perfecting and according to its steps : coding，decoding，working the adaptive degree (function value)，selective reproductive operation，across operation，differentiation operation and working out the maximal and minimum value. Thirdly，betterment of using the Genetic Arithmetic to get functions’ maximal and minimum value. This part make use of method that changing the basal Genetic Arithmetic to make maximal and minimum value approaching the one that from opposite standard，such as a change of probability of across value Pc and differentiation value Pm.Key words: Genetic Algorithm; The adaptive degree; Probability of Crossover; Probability of Mutation1 前言生命科学与工程科学的相互交叉、相互渗透和相互促进是近代科学技术发展的一个显著特点，而遗传算法的蓬勃发展正体现了科学发展的这一特征和趋势。
基于CSD编码遗传算法的数字抽取滤波器设计
的 问题 ， 这里采 用解码 代替的方 法加 以解 决。 本文通过对遗传算法各个参数合理取值 ，将前面用等波
纹法设计的半带滤波器和 Ｃ Ｉ Ｃ补偿滤波器的理想系数截断成 １ ６位为后 的值作为初始解 ， 利用 Ｍａ ｔ １ ａ ｂ ｖ ７ ． ０ ． １ 编写了遗传算
叉变异后 的种群是否 出现 了不满足 Ｃ Ｓ Ｄ编码规则 的情况 ， 如 果有 ， 则将 该染色体进 行解码 替代操作 ； ⑥判断染色体是否符 合预定指标 ， 若符合 则输 出最佳个体及其代表 的最优解 ， 并结 束计算 ， 否则返回第 ４步继续进 行迭代运 算。 其 中， 在 染色体编码过程 中， 由于染色体的长度直接影 响 遗传算法收敛速度 ，所 以减小染色体将会大大提高算法收敛 速度 。在实 际的 Ｆ Ｉ Ｒ滤波器设计中，系数的最大值和最小值
权值， ②初始化 以Ｃ Ｓ Ｄ编码的染色体种群 ； ③计算种群 中个体 的适应度 ； ④种群进行选择 、 交叉和变异操作； ⑤ 判断经过交
遗传 算法提供了求解复杂系统优化 问题 的框架 。本文采 用Ｃ Ｓ Ｄ编码 的遗传算法对数字抽取滤波器 的系数进 行优 化， 大大减小 了由于系数截断或者舍入误差对滤波器性能 的影响。
均不满足设计指标 ， 采 用遗传算法优化后所得 到的滤波器 ， 其 阻带衰减和通带波纹都能够满足设计指标 。
４ 结 语
使用本文提供方法设计的数字抽取滤波器 ， 综合使用多级 架构， Ｃ Ｉ Ｃ以及 Ｈ Ｂ Ｆ等结构， 滤波器系数采用 Ｃ Ｓ Ｄ编码 ， 减小 了
滤波器 的功耗和面积。 在滤波器系数进行有限精度优化 中使用
摘要 ： 针对 由于系数截断或者舍入 而导致 的通 带 内波纹增加 ， 采用 Ｃ Ｓ Ｄ编码的遗传算法进行有效精度优化 ， 通 带 内波纹求 。
滤波器的仿真实验报告
滤波器的仿真实验报告
《滤波器的仿真实验报告》
近年来，滤波器在信号处理领域中扮演着至关重要的角色。
在数字信号处理中，滤波器可以用来去除噪音、提取特定频率的信号以及改善信号的质量。
为了更
好地理解滤波器的工作原理和性能，我们进行了一系列的仿真实验，并撰写了
本报告以总结实验结果。
首先，我们使用MATLAB软件进行了滤波器的仿真实验。
通过输入不同类型的
信号，我们测试了低通滤波器、高通滤波器和带通滤波器的性能。
实验结果表明，这些滤波器能够有效地滤除不需要的频率成分，从而提取出我们感兴趣的
信号。
此外，我们还对滤波器的频率响应、相位响应和群延迟进行了分析，以
评估滤波器在不同频率下的性能表现。
其次，我们利用Simulink工具进行了滤波器的仿真实验。
通过搭建滤波器的模型，并输入不同类型的信号进行仿真，我们观察到了滤波器在时域和频域下的
响应特性。
实验结果显示，滤波器对于不同频率的信号有着不同的响应，并且
能够有效地对信号进行处理和改善。
最后，我们对比了不同类型的滤波器在仿真实验中的性能表现，包括Butterworth滤波器、Chebyshev滤波器和Elliptic滤波器等。
通过比较它们在频率响应、相位响应和群延迟等方面的表现，我们得出了不同滤波器的优缺点，
并为不同应用场景下的滤波器选择提供了参考依据。
综上所述，通过滤波器的仿真实验，我们更深入地理解了滤波器的工作原理和
性能特性，为信号处理领域的应用提供了重要的参考依据。
我们相信，本报告
将对相关领域的研究和实践工作具有一定的指导意义。
数字滤波器设计实验报告
数字滤波器设计实验报告刘古城65100609一、实验目的研究数字滤波器的设计思想，理解数字频域，模拟频域的关系，掌握数字系统处理模拟信号的方法。
FIR数字滤波器设计：掌握窗函数设计FIR数字滤波器的方法，理解FIR的意义：线性相位。
二、实验原理1、FIR的特点（1）系统的单位冲击响应在有限个n值处不为零。
（2）对于稳定系统，系统函数在| z |>0处收敛，极点全部在z=0处。
（3）结构上主要是非递归结构，没有输出到输入的反馈，但在个别结构中（如频率抽样结构）也包含反馈的递归部分‘2、FIR滤波器的优点（1）即具有严格的线性相位，又具有任意的幅度’（2）FIR滤波器的抽样响应是有限长的，因而滤波器的性能稳定。
（3）只要经过一定的延时，任何非因果的有限长序列都能变成有限长的因果的序列，因而能用因果系统来实现。
（4）FIR滤波器单位冲击响应是有限长的，因而可以进行快速傅立叶变换，提高运算效率。
3、用窗函数设计FIR数字滤波器对函数加窗处理，实际是用一个有限长函数来逼近原函数。
常用的窗函数有矩形窗、三角窗，汉宁窗、海明窗、布莱克曼窗、凯撒窗等。
三、实验要求1、设计FIR数字低通滤波器，要求在不同窗口长度（N=15，33）下，分别求出h(n)，画出相应的幅频特性和相频特性曲线，观察3dB带宽和20dB带宽，总结窗口长度N对滤波特性的影响。
2、对三个拟合三角函数进行滤波处理。
3、对含噪心电信号函数进行滤波处理。
四、实验内容1、不同窗函数长度对于滤波特性的影响fs=100,N=32;n=0:N-1;t=n/fs;f0=n*fs/N;y=exp(-2*t);z=fft(y);m=abs(z);w1=blackman(N);z1=w1'.*y;x1=fft(z1),mo1=abs(x1);subplot(1,2,1);plot(f0,m/fs);subplot(1,2,2);plot(f0,mo1/fs)运行结果改变N值，令N=14，得到结果2、对三个拟合三角函数进行滤波clear;fs=2000;t=(1:1000)/fs;x=10*cos(2*pi*30*t)+cos(2*pi*150*t)+5*cos(2*pi*600*t); L=length(x);N=2^(nextpow2(L));Hw=fft(x,N);figure(1);subplot(2,1,1);plot(t,x);grid on;title('滤波前信号x');xlabel('时间/s');% 原始信号subplot(2,1,2);plot((0:N-1)*fs/L,abs(Hw));% 查看信号频谱grid on;title('滤波前信号频谱图');xlabel('频率/Hz');ylabel('振幅|H(e^jw)|');%% x_1=10*cos(2*pi*30*t)Ap=1;As=60;% 定义通带及阻带衰减dev=[(10^(Ap/20)-1)/(10^(Ap/20)+1),10^(-As/20)];% 计算偏移量mags=[1,0];% 低通fcuts=[60,100];% 边界频率[N,Wn,beta,ftype]=kaiserord(fcuts,mags,dev,fs);% 估算FIR滤波器阶数hh1=fir1(N,Wn,ftype,kaiser(N+1,beta));% FIR滤波器设计x_1=filter(hh1,1,x);% 滤波x_1(1:ceil(N/2))=[];% 群延时N/2，删除无用信号部分L=length(x_1);N=2^(nextpow2(L));Hw_1=fft(x_1,N);figure(2);subplot(2,1,1);plot(t(1:L),x_1);grid on;title('x_1=10*cos(2*pi*30*t)');xlabel('时间/s');subplot(2,1,2);plot((0:N-1)*fs/L,abs(Hw_1));% 查看信号频谱grid on;title('滤波后信号x_1频谱图');xlabel('频率/Hz');ylabel('振幅|H(e^jw)|');%% x_2=cos(2*pi*150*t)Ap=1;As=60;% 定义通带及阻带衰减dev=[10^(-As/20),(10^(Ap/20)-1)/(10^(Ap/20)+1),10^(-As/20)];% 计算偏移量mags=[0,1,0];% 带通fcuts=[80,120,180,220];% 边界频率[N,Wn,beta,ftype]=kaiserord(fcuts,mags,dev,fs);% 估算FIR滤波器阶数hh2=fir1(N,Wn,ftype,kaiser(N+1,beta));% FIR滤波器设计x_2=filter(hh2,1,x);% 滤波x_2(1:ceil(N/2))=[];% 群延时N/2，删除无用信号部分L=length(x_2);N=2^(nextpow2(L));Hw_2=fft(x_2,N);figure(3);subplot(2,1,1);plot(t(1:L),x_2);grid on;title('x_2=cos(2*pi*150*t)');xlabel('时间/s');subplot(2,1,2);plot((0:N-1)*fs/L,abs(Hw_2));% 查看信号频谱grid on;title('滤波后信号x_2频谱图');xlabel('频率/Hz');ylabel('振幅|H(e^jw)|');%% x_3=5*cos(2*pi*600*t)Ap=1;As=60;% 定义通带及阻带衰减dev=[10^(-As/20),(10^(Ap/20)-1)/(10^(Ap/20)+1)];% 计算偏移量mags=[0,1];% 高通fcuts=[500,550];% 边界频率[N,Wn,beta,ftype]=kaiserord(fcuts,mags,dev,fs);% 估算FIR滤波器阶数hh2=fir1(N,Wn,ftype,kaiser(N+1,beta));% FIR滤波器设计x_3=filter(hh2,1,x);% 滤波x_3(1:ceil(N/2))=[];% 群延时N/2，删除无用信号部分L=length(x_3);N=2^(nextpow2(L));Hw_3=fft(x_3,N);figure(4);subplot(2,1,1);plot(t(1:L),x_3);grid on;title('x_3=5*cos(2*pi*600*t)');xlabel('时间/s');subplot(2,1,2);plot((0:N-1)*fs/L,abs(Hw_3));% 查看信号频谱grid on;title('滤波后信号x_3频谱图');xlabel('频率/Hz');ylabel('振幅|H(e^jw)|');运行结果3、对含噪心电信号函数进行滤波处理。
数字滤波器设计实验报告
数字滤波器设计实验报告实验目的：1.掌握数字滤波器的基本理论知识。
2.学习数字滤波器设计方法。
3.实现数字滤波器的设计与模拟。
实验原理：FIR滤波器的特点是稳定性好、相位响应线性和易于设计。
FIR滤波器的设计方法主要有窗函数法、频率采样法和最小最大化法等。
IIR滤波器的特点是具有较窄的通频带宽率、相位响应非线性和较高的处理效率。
IIR滤波器的设计方法主要有双线性变换法、脉冲响应不变法和双正交变换法等。
实验步骤：1.根据实验要求和给定的参数，选择适合的滤波器类型（FIR或IIR）。
2.根据滤波器的设计方法，计算滤波器的系数。
3.使用MATLAB或其他工具进行滤波器的设计和仿真。
4.分析仿真结果，评估滤波器的性能。
5.根据实际需求，进行滤波器参数的优化和调整。
6.进行实验数据的滤波处理，并比较滤波前后的信号质量。
7.总结实验结果，写出实验报告。
实验结果：根据实验要求，我们选择了FIR滤波器进行设计。
通过使用窗函数法和最小最大化法，计算得到了滤波器的系数。
将滤波器的设计结果导入MATLAB进行仿真，得到了滤波器的频率响应和时域波形。
通过分析仿真结果，发现滤波器的设计基本满足了要求，但仍存在一些性能方面的改进空间。
根据实验需求和实际情况，我们对滤波器的参数进行了优化和调整。
经过多次迭代和调试，最终得到了满意的结果。
将优化后的滤波器应用于实验数据的滤波处理，可以看到滤波效果明显，信号质量得到了显著提升。
实验结论：通过本次实验，我们学习并掌握了数字滤波器的基本理论知识和设计方法。
通过实际操作和实验仿真，对数字滤波器的设计和应用有了更深入的了解。
实验结果表明，数字滤波器可以有效地对信号进行滤波处理，提高信号质量和准确度。
数字信号处理实验报告五--数字滤波器设计与仿真
实验五 数字滤波器设计及仿真实验一、实验目的（1）熟悉用数字滤波器滤波器设计的原理与方法；（2）学会调用MATLAB 信号处理工具箱中滤波器设计函数（或滤波器设计分析工具FDATOOL ）设计各种IIR 数字滤波器，学会根据滤波需求确定滤波器指标参数。
（3）掌握数字滤波器的MATLAB 实现方法。
（3）通过观察滤波器输入输出信号的时域波形及其频谱，建立数字滤波的概念。
二、实验原理与方法 三、实验内容及步骤（1）调用信号产生函数mstg 产生由三路抑制载波调幅信号相加构成的复合信号st ，该函数还会自动绘图显示st 的时域波形和幅频特性曲线，如图10.4.1所示。
由图可见，三路信号时域混叠无法在时域分离。
但频域是分离的，所以可以通过滤波的方法在频域分离，这就是本实验的目的。
图10.4.1三路调幅信号st 的时域波形和幅频特性曲线（2）要求将st 中三路调幅信号分离，通过观察st 的幅频特性曲线，分别确定可以分0.0020.0040.0060.0080.010.0120.0140.0160.0180.02-10123t/ss (t )(a) s(t)的波形(b) s(t)的频谱f/Hz幅度离st 中三路抑制载波单频调幅信号的三个滤波器（低通滤波器、带通滤波器、高通滤波器）的通带截止频率和阻带截止频率。
要求滤波器的通带最大衰减为0.1dB,阻带最小衰减为60dB 。
提示：抑制载波单频调幅信号的数学表示式为0001()cos(2)cos(2)[cos(2())cos(2())]2c c c s t f t f t f f t f f t ππππ==-++其中，cos(2)c f t π称为载波，f c 为载波频率，0cos(2)f t π称为单频调制信号，f 0为调制正弦波信号频率，且满足0c f f >。
由上式可见，所谓抑制载波单频调幅信号，就是2个正弦信号相乘，它有2个频率成分：和频0c f f +和差频0c f f -，这2个频率成分关于载波频率f c 对称。
关于遗传算法的实验报告
关于遗传算法得实验报告一、实验目得：ﻩ理解与掌握遗传算法得应用及意义,能用一门自己擅长得语言实现遗传算法得基本功能,在此基础上进一步理解与巩固对遗传算法得重要,以便在今后得学习与工作中能有效得运用与借鉴！需要指出得就是遗传算法并不就是能保证所得到得就就是最佳得答案但通过一定得方法可以将误差控制在一定得范围内!二、实验原理与题目:1、遗传算法就是一种基于空间搜索得算法,它通过自然选择、遗传、变异等操作以及达尔文得适者生存得理论,模拟自然进化过程来寻找所求问题得答案。
其求解过程就是个最优化得过程。
一般遗传算法得主要步骤如下:(1)随机产生一个确定长度得特征字符串组成得初始种群。
（２)对该字符串种群迭代地执行下面得步骤a与步骤b,直到满足停止准则为止：ａ计算种群中每个个体字符串得适应值；ｂ应用复制、交叉与变异等遗传算子产生下一代种群。
（3）把在后代中表现得最好得个体字符串指定为遗传算法得执行结果，即为问题得一个解。
2、通过编码、设置种群、设置适应度函数、遗传操作、解码产生需要得解。
ｆ(x)=x*sｉｎ(x）＋1,ｘ∈［0，2π]，求解f（x）得最大值与最小值。
三、实验条件硬件:微型计算机。
ﻩ语言:本实验选用得为C+＋语言。
四、实验内容：建造针对f(x)得遗传算法程序，然后进行运行求解。
五、实验步骤:ﻩ1、确定基本功能：本实验就是实现f(ｘ)得最大值与最小值得求解。
2、对f(x)进行编码:用一个二进制矢量表示一个染色体,由染色体来代表变量x得实数值,这里精度取小数点后6位数,变量x得域长为2π,整个区间被分为2π＊100０000个等长得区间。
由于2π＊10００000在２3位二进制数得表示范围呢，所以,编码长度为２3位。
3、设计适应度函数:由于要求f（x)得最值,所以适应度函数可根据f(x）做适当得改变。
最大值:ｆ(x）=ｘ＊ｓｉn(x)+5;最小值:f（x)=１／(ｘ＊siｎ(x）+5);4、针对f（ｘ)得设计并且实现遗传算法程序:遗传操作主要包括复制、交叉与变异。
基于遗传算法的滤波器优化设计
基于遗传算法的滤波器优化设计近年来，滤波器在信号处理领域中扮演着越来越重要的角色。
由于信号混叠、噪声扰动等原因，地震数据、生物医学信号、语音信号等各种信号通常都需要进行滤波处理。
针对不同的信号特征，需要设计不同的滤波器。
因此，如何通过有效的方法设计出合适的滤波器成为了一个重要的课题。
传统的滤波器设计方法一般采用设计师经验、理论计算或者试错法。
虽然这些方法已经具有一定的稳定性和可行性，但是面对复杂的信号、多目标设计以及大规模滤波器设计等问题时，往往难以达到理想的效果或者成本较高。
遗传算法是一种基于遗传和进化论思想的优化算法。
借鉴生物学中的遗传机制和进化过程，遗传算法通过交叉、变异、选择等运算方式，不断地从群体中产生新的个体，使其逐步适应目标函数。
相比于传统的优化算法，遗传算法可以深入探究解决问题的空间，而不陷入局部最优解。
将遗传算法应用于滤波器优化设计中，可以有效地优化滤波器的性能。
在滤波器设计时，遗传算法可以针对特定问题建立适当的目标函数和适应度函数，使每一代产生的个体满足要求。
同时，遗传算法还可以通过基因编码、交叉、变异、种群选择等方式，获得更优的解。
具体来说，在遗传算法中，滤波器的设计参数可以作为染色体的基因，在优化过程中进行编码（比如二进制编码、实数编码等）。
同时，目标函数可以根据设计要求和优化目标选择。
对于滤波器性能的要求，可以通过MSE（均方误差）、SNR（信噪比）等指标进行评估。
而对于滤波器优化的目标，可以根据实际需要进行选择，比如开销、稳定性、处理速度等。
由于遗传算法可以在设计空间中进行全局搜索，因此可以应用于各种滤波器优化设计中，包括低通滤波、高通滤波、带通滤波、带阻滤波等。
例如，在音频信号的滤波器优化设计中，可以将视听质量（Subjective Assessment of Sound Quality, SASQ）和MSE指标作为目标函数，以实现音频的高保真传输。
需要注意的是，遗传算法虽然可以为滤波器设计提供一种有效的优化手段，但优化结果的良好性需要经过实验验证。
基于遗传算法的FIR数字滤波器优化
基于遗传算法的FIR数字滤波器优化摘要：利用遗传算法可以实现寻优的特点，提出了基于遗传算法的FIR数字滤波器优化设计。
该方法能有效的设计FIR数字滤波器，提高了设计的准确性。
最后以设计低通滤波验证该方法的可行性。
关键词：遗传算法;FIR数字滤波器引言滤波器在信号处理中一直占据着重要的地位，数字滤波器在语音、图像处理和谱分析等应用中经常使用。
FIR滤波器具有系统总是稳定的，易于实现线性相位，允许多通带或多阻带滤波器等优点。
因此，FIR滤波器在处理数字信号中应用广泛。
窗函数法设计数字滤波器是最常见的方法之一。
目前，常见的窗函数有矩形窗、汉宁窗、巴特利特窗、汉明窗、布莱克曼窗、凯泽窗。
但一些窗函数形状固定，不能满足多样性的要求。
如矩形窗，汉宁窗。
而利用凯泽窗给出的经验公式需多次尝试。
FIR数字滤波器设计问题是一个多变量多极值的寻优问题。
遗传算法正式求解最优问题的有效方法，在滤波器设计中得倒广泛的应用。
王耀辉等人利用BP神经网络和遗传算法相结合来设计优化FIR数字滤波器，路慎力等利用将云计算与遗传算法相结合来设计优化FIR数字滤波器，本文将最优设计法与遗传算法相结合设计FIR数字滤波器，使得在设计过程简洁快速。
1.遗传算法遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应的全局优化概率搜索算法。
它提供了一种求解复杂系统优化问题的框架，具有很强的鲁棒性。
它能快速有效的求解出最优数值.2.FIR滤波器有限冲击响应FIR数字滤波器是输出仅与过去和现在的输入有关的滤波器，它可以由以下表示：y（n）=系统的传递函数为：H（z）=频率响应函数为：H（e）=，-π当M阶线性相位FIR滤波器，其脉冲相应为h（n），加上线性相位条件：∠H（e）=-aw，-π可得h（n）=h（M-1-n），0≤n≤（M-1）和a=（M-1）/2如果要求相位响应满足：∠H（e）=β-aw，则可得：h（n）=h（M-1-n），0≤n≤（M-1）;a=（M-1）/2，β=±π/2h（n）长度N的奇偶不同，决定了滤波器的种类不同，FIR数字滤波器可以分为四类：1类线性FIR滤波器：对称脉冲响应，M为奇数2类线性FIR滤波器：对称脉冲响应，M为偶数3类线性FIR滤波器：反对称脉冲相应，M为奇数4类线性FIR滤波器：反对称脉冲响应，M为偶数对于低通滤波器来说，一般可以选用以下公式：h（n）=h（M-1-n）M为h（n）长度且M为奇数2.1数字滤波器的优化准则切比雪夫最佳一致逼近原则：设H（w）是待设计的滤波器的幅度特性，H （w）为理想滤波器的幅度特性，其加权误差E（w）表示为：E（w）=W（w）[H（w）-H（w）]上式中W（w）为加权误差函数。
基于遗传算法的数学形态学滤波器设计
元素， 通常是一些小 的简单集合［ ２ ］ 。研究 图像几何结
构 的基 本 思 想 是 利 用 一 个 结 构 元 素 去探 测 一 个 图
算、 闭运算 ， 以及它们 的级联组合形式 ， 如开一闭 、 闭一开运算 ， 广义开一 闭、 闭一开运算等 ， 尚没有按 要求设计形态滤波器的固定选择方法 。二是结构元 素的选择 ， 在形态学滤 波器设计 中形态学算法确定
生的初始解（ 为群体） 称 开始搜索过程 ， 群体中的每 个个体是 问题 的一个解（ 为染色体）这些染 色体 称 ，
式进行刻画 ， 而几何描述的特点更适合视觉信息的
处 理和 分析 ， 其基 本思 想 如 图 １ 所示 ：
在后续迭代中不断进化（ 称为遗传） 。 遗传算法主要通过交叉 、 变异 、 选择运算实现 。 交叉和变异运算生成下一代染色体 （ 称为后代）染 ，
色体的好坏用适应度来衡量 ，根据适应度的大小从
上一代和后代中选择一定数量的个体 ，作为下一代
群体 ， 再继续进化 ， 这样经过若干代之后 ， 算法收敛 于最好 的染色体 ，它很可能就是问题 的最优解或次
图 １ 数 学形 态学 的基 本 方 法
优解昀 。遗传算法 中使用适应度这个 概念来度量群
★［ 收稿 日期 ］ ０ ２ ０ — ８ ２１—２２ ［ 作者简介 ］ 耿 勇 ，１８一男 ， （９ ４ ） 江苏南京人 ， 硕士研究生 ， 研究方 向： 军用 电气系统及设备 、 电磁防护理论与技术 。
圜 囫 圜囡
构 元素 的概 念翻 。
耿 堕 ！ 堕 二 薹 堕 苎 塑 查 鎏 壁 睦 堡 塑 兰 鎏
索 过程 。
．
篁 ． 塑
利用了原有解 中已知的知识 ，从而有力地加快了搜
数字滤波器的设计及实现 实验报告
数字滤波器的设计及实现实验报告1.数字滤波器是一种用于信号处理的重要工具，通过去除或衰减信号中的噪声、干扰或无用信息，从而实现信号的滤波和提取。
本实验旨在学习数字滤波器的设计原理和实现方法，并通过实验验证其滤波效果。
2. 实验目的•理解数字滤波器的基本原理和设计方法；•掌握数字滤波器的实现步骤和工具；•利用实验进行数字滤波器的设计与仿真；•分析和评估数字滤波器的性能指标。
3. 实验器材•计算机•MATLAB或其他数学软件4. 实验流程1.理解数字滤波器的基本原理和设计方法；2.根据所需的滤波特性选择滤波器类型（低通、高通、带通、带阻）；3.设计滤波器的参数，如截止频率、阶数、窗函数等；4.使用MATLAB或其他数学软件进行滤波器的设计与仿真；5.评估滤波器的性能指标，如频率响应、幅度响应、相位响应等；6.分析实验结果，数字滤波器设计与实现的经验与教训。
5. 实验内容5.1 数字滤波器原理数字滤波器是通过数字信号处理算法来实现滤波功能的滤波器。
它可以通过对信号进行采样、变换、运算等处理来实现对信号频率成分的选择性衰减或增强。
数字滤波器通常包含两种主要类型：无限脉冲响应（IIR）滤波器和有限脉冲响应（FIR）滤波器。
IIR滤波器具有时间域响应的无限长度，而FIR滤波器具有有限长度的时间域响应。
5.2 数字滤波器设计步骤•确定滤波器类型：根据滤波要求选择低通、高通、带通或带阻滤波器；•设计滤波器参数：包括截止频率、阶数、窗函数等；•进行滤波器设计：利用MATLAB等数学软件进行滤波器设计，滤波器系数；•进行滤波器仿真：通过信号输入滤波器进行仿真，评估滤波效果；•优化和调整：根据实际需要，对滤波器参数进行优化和调整，以获得更好的滤波效果。
5.3 实验结果与分析经过实验设计和仿真，我们得到了一个具有良好滤波效果的数字滤波器。
在设计过程中，我们选择了一个5阶的Butterworth低通滤波器，截止频率为1000Hz。
数字滤波器实验报告
数字滤波器实验报告数字滤波器实验报告引言：数字滤波器是一种通过对数字信号进行处理来滤除噪声或者改变信号频率特性的工具。
在信号处理领域，数字滤波器被广泛应用于音频处理、图像处理、通信系统等方面。
本实验旨在通过设计和实现数字滤波器，探索其在信号处理中的应用，并验证其性能和效果。
一、实验目的本实验的主要目的是：1. 了解数字滤波器的原理和基本概念；2. 学习数字滤波器设计的方法和技巧；3. 实现数字滤波器，并进行性能测试和分析。
二、实验原理数字滤波器是一种通过对离散时间信号进行加权和求和的方式来改变信号频率特性的工具。
它可以分为两大类：有限长冲激响应（FIR）滤波器和无限长冲激响应（IIR）滤波器。
FIR滤波器的特点是稳定性好、易于设计，而IIR滤波器则具有更高的效率和更窄的通带。
在数字滤波器设计中，常用的方法有窗函数法、频率抽样法、脉冲响应法等。
窗函数法是一种常见的FIR滤波器设计方法，它通过在频域上对滤波器的频率响应进行加窗来实现滤波效果。
频率抽样法则是一种用于设计IIR滤波器的方法，它通过将模拟滤波器的频率响应进行抽样来得到数字滤波器。
三、实验步骤1. 确定滤波器类型和性能指标：根据实际需求，选择合适的滤波器类型（FIR或IIR）和性能指标（通带增益、截止频率等）。
2. 设计滤波器：根据选择的滤波器类型和性能指标，采用相应的设计方法进行滤波器设计。
3. 实现滤波器：根据设计结果，使用编程语言（如MATLAB或Python）编写代码实现滤波器。
4. 信号处理：将待处理的信号输入滤波器，进行滤波处理。
5. 性能测试与分析：对滤波后的信号进行性能测试和分析，评估滤波器的效果和性能。
四、实验结果与分析在本次实验中，我们选择了FIR滤波器，并采用窗函数法进行设计。
根据要求，我们设计了一个低通滤波器，截止频率为1kHz，通带增益为1，阻带增益为-60dB。
经过实验测试，我们得到了滤波后的信号，并进行了频谱分析。
滤波器设计实验报告心得
滤波器设计实验报告心得1. 引言滤波器在信号处理中起着关键作用，能够去除信号中的噪声和不需要的频率成分，使得信号更加清晰和可分析。
滤波器的设计是信号处理领域中的基础工作，对于不同的应用和需求，我们需要设计不同类型的滤波器。
本次滤波器设计实验对滤波器的原理和方法进行了学习和实践，通过调试滤波器参数和观察输出信号，深入理解了滤波器的工作原理和性能。
在实验过程中，遇到了一些问题，并通过调整和优化解决了这些问题，进一步提高了滤波器的性能。
在本文中，将对本次实验的心得和体会进行总结和归纳。
2. 实验内容本次滤波器设计实验主要分为以下几个部分：1. 搭建基本的滤波器电路2. 调整滤波器参数3. 测试和观察滤波器输出信号4. 优化滤波器性能3. 心得体会3.1 对滤波器原理的理解在实验过程中，我深入学习和理解了滤波器的原理。
滤波器的基本原理是对输入信号进行频率选择，根据信号的频率特性，有选择地通过或者阻断特定频率的信号。
根据不同的应用需求，可以设计低通滤波器、高通滤波器、带通滤波器等。
3.2 参数调整和优化在实验中，我尝试了不同的滤波器参数，并观察和比较了滤波器输出信号的效果。
通过调整截止频率、增益、阶数等参数，我发现这些参数会直接影响滤波器的性能和特点。
在调整参数过程中，我遇到了一些问题，比如输出信号失真、频率范围选择错误等。
通过调整参数和查找资料，我找到了解决问题的方法。
例如，增加滤波器的阶数可以提高滤波器的陡峭度和截止频率的选择范围。
3.3 对信号处理的认识通过本次实验，我对信号处理的重要性有了更深刻的认识。
信号处理可以使得信号更加清晰、准确和可分析，有助于我们从海量数据中提取有用信息和特征。
滤波器作为信号处理的重要工具，在实际应用中发挥着重要作用。
4. 总结滤波器设计实验是一次很有收获的实践活动。
通过对滤波器原理和参数调整的学习和实践，我对滤波器的工作原理和性能有了更深入的了解。
通过本次实验，我不仅学到了滤波器设计的基本知识，还掌握了调试和优化滤波器性能的方法。
数字滤波器实验报告1
数字滤波器实验报告1数字滤波器2010年4⽉18⽇1. 实验⽬的及意义1.1 实验⽬的1、了解数字滤波器的基本参数；2、学习⾼通、低通、带通、带阻滤波器的参数设计⽅法；3、了解FIR、IIR滤波器及其性能⽐较。
4、了解滤波器的滤波过程。
1.2 实验意义通过对数字滤波器的模拟仿真，使我对数字滤波器的参数设计有了清楚的认识，对数字信号的处理过程有了更深⼊的了解。
2. 实验原理及框图数字滤波器的4个重要的通带﹑阻带参数是：fp:通带截⽌频率(HZ)；fs:阻带起始频率(HZ)；Rp:通带内波动(dB)，即通带内所允许的最⼤衰减；Rs:阻带内最⼩衰减(dB)。
通过这些参数就可以进⾏离散滤波器的设计了。
Simulink提供了专门的数字滤波器模块，可以通过设置仿真参数来实现数字滤波器的滤波功能。
图⼀、数字滤波器原理图图⼀中的滤波前信号由Sine wave模块产⽣，由三个幅度均为1V，频率分别为1MHZ，3MHZ，5MHZ的正弦信号相加⽽成，其频谱如图⼆所⽰。
图⼆、滤波前信号频谱数字采样模块为Zero-order Hold模块产⽣，采样频率为16MHZ。
数字滤波器模块为⾼通型滤波器，通带⼤于4MHZ，阻带⼩于2MHZ，通带波动⼩于1dB，阻带衰减⼤于40dB，抽样频率为20MHZ。
其模块参数设计如图三所⽰。
图三、数字滤波器参数设置滤波前信号通过数字滤波器后，1MHZ的信号被滤除，5MHZ的信号通过滤波器，3MHZ 的信号未经完全滤波，只是幅度上有衰减。
滤波后信号的频谱如图四所⽰。
图四、滤波后信号3. 实验步骤及内容在matlab的simulink中新建new model，根据超外差式接收机原理图画出实验模拟电路（详见⽂件untitled.mdl），其中各模块选取位置及参数配置为：信号1：信号⼆：信号三：加法器：采样器：数字滤波器：见实验原理图三。
连接好电路后，点击Start simulink按钮，观察实验结果与原理结果是否⼀致，将运⾏结果保存。
基于MATLAB数字滤波器的设计及其仿真开题报告(word文档良心出品)
本科毕业论文（设计）开题报告姓名：席晓伟学号：0612080117学院：机电学院专业：机械设计制造及其自动化班级：B0801杨亮指导教师:今天数字信号处理技术正飞速发展，它不但自成一门学科，更是以不同形式影响和渗透到其他学科；它与国民经济息息相关，与国防建设紧密相连；它影响或改变着我们的生产、生活方式，因此受到人们普遍的关注。
数字滤波器精确度高、使用灵活、可靠性高，具有模拟设备所没有的许多优点，已广泛应用于各个学科技术领域，例如数字电视、语音、通信、雷达、声纳、遥感、图像、生物医学以及许多工程应用领域。
随着信息时代数字时代的到来，数字滤波技术已经成为一门极其重要的学科和技术领域。
以往的滤波器大多采用模拟电路技术，但是，模拟电路技术存在很多难以解决的问题，例如，模拟电路元件对温度的敏感性，等等。
而采用数字技术则避免很多类似的难题，当然数字滤波器在其他方面也有很多突出的优点，所以采用数字滤波器对信号进行处理是目前的发展方向。
MATLA是一门计算机编程语言，本意是专门以矩阵的方式来处理计算机数据，它把数值计算和可视化环境集成到一起，非常直观，而且提供了大量的函数，使其越来越受到人们的喜爱，工具箱越来越多，应用范围也越来越广泛。
二、课题研究的主要内容：(课题研究的重点和在研究过程中要解决的关键问题，所要实现预期成果)1课题研究的重点(1)IIR数字滤波器的设计(2)写出MATLAB勺设计程序(3)给出仿真结果2•主要设计内容(1)IIR数字滤波器的设计(2)数字滤波器的matlab程序设计3•拟解决的关键技术(1)制定技术指标(2)对各种滤波器的设计相应的计算振幅响应的函数4.实现的预期成果(1)通过综合运用数字信号处理的理论知识进行滤波器设计，通过理论推导得出相应结论，再利用MATLAB作为编程工具进行计算机实现(2)利用MATLA进行程序设计,并调试,给出仿真结果或用它的Z域系统函数：对照模拟滤波器的传递函数5):出』' +弘-丄亍儿十…十如不难看出，数字滤波器与模拟滤波器的设计思路相仿，其设计实质也是寻找一组系数{b,a},去逼近所要求的频率响应，使其在性能上满足预定的技术要求；不同的是模拟滤波器的设计是在S平面上用数学逼近法去寻找近似的所需特性H(S),而数字滤波器则是在Z平面寻找合适的H(z) 0IIR数字滤波器的单位响应是无限长的,而模拟滤波器一般都具有无限长的单位脉冲响应，因此与模拟滤波器相匹配。
数字系统设计实习报告(滤波器+DSB调制算法的实现)
数字系统设计实习报告指导老师：李林、邹修国、徐友专业：电子信息科学与技术组员：基础部分—滤波器一、设计目的1.掌握用Matlab设计FIR数字低通滤波器的方法；2.掌握低通滤波器截止频率变换的原理和方法；3.利用设计的FIR数字滤波器，检验、观察滤波效果；二、设计原理用sine wave 、lowpass filter和scope模块搭建FIR数字低通率波器。
如图：利用此模型，改变低通滤波器的滤波系数，通过波特图观察滤波效果。
三、设计结果FIR滤波器的滤波系数以及Matlab仿真的波特图f=1KHz(1)截止频率c(2)截止频率f=2KHzf=3KHz (3)截止频率cf=4KHz (4)截止频率cf=5KHz (5)截止频率c(6)截止频率f=6KHzf=7KHz (7)截止频率c(8)截止频率f=8KHzf=9KHz (9)截止频率c(10)截止频率f=10KHz四、心得体会这次实习设计主要应用到Matlab的Simulink仿真模块搭建模型仿真。
实习过程中我了解到要快而准备的完成设计，必须对低通滤波器有个深刻的了解，另外模块的搭建成功与否在于参数的设计，这要求我们需对各个模块有个大致的了解。
在设计参数的过程中，通过对各种参数的试调发现，参数的设置必须遵循奈奎斯特采样定理，即当采样频率fs.max大于信号中最高频率fmax的2倍时(fs.max>=2fmax)，采样之后的数字信号完整地保留了原始信号中的信息。
专业部分—DSB调制算法的实现一、设计目的1.设计DSB调制通信系统，并得出仿真结果。
2.熟悉MATLAB文件中.M文件的使用方法，包括函数、原理和方法的应用。
3.增强在通信原理仿真方面的动手能力与自学能力。
二、设计内容和实验要求调制在通信系统中有十分重要的作用。
通过调制，不仅可以进行频谱搬移，把调制信号的频谱搬移到所希望的位置上，从而将调制信号转换成适合于传播的已调信号，而且它对系统的传输有效性和传输的可靠性有着很大的影响，调制方式往往决定了一个通信系统的性能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
调研报告一、课题的来源及意义：滤波器，是我们从中学物理就开始使用的实验设备，顾名思义，它是一种对波进行过滤的器件。
而波，我们经常接触到的有声波、光波、电磁波等，它其实是一种描述各种物理量的取值随时间起伏变化的过程。
该过程通过各类传感器的作用，被转换为电压或电流的时间函数，称之为各种物理量的时间波形，或者称之为信号。
信号在人们的日常生活中扮演着重要的角色，语音、音乐、图像以及其他视频信号都属于信号。
在其产生、转换、传输的每一个环节都可能由于环境和干扰的存在而畸变，甚至这种畸变很严重，以致于信号及其所携带的信息被深深地埋在噪声当中了。
滤波，本质上是从被噪声畸变和污染了的信号中提取原始信号所携带的信息的过程。
在近代电信设备和各类控制系统中，滤波器是应用最为广泛的电子部件。
滤波器的发展某一层面上决定着科技的的发展。
之前，滤波器的发展以低功耗、高精度、小体积、多功能、稳定可靠和价廉为主攻方向。
而现在随着RC有源滤波器、数字滤波器、开关电容滤波器和电荷转移器等各种滤波器的飞速发展及广泛应用，科学家们开始致力于各类新型滤波器的研究，注重在提高其性能以及算法上。
数字信号处理是用数字计算机来实现各种算法，而遗传算法则是基础算法中的优化算法。
遗传算法（Genetic Algorithm）是一类依自然环境的进化规律（适者生存优胜劣汰遗传机制）演化而来的随机化搜索方法。
它是由美国的J.Holland 教授1975年最先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。
遗传算法的这些性质，已被广泛地应用于问题求解、机器学习、信号处理、智能控制和人工生命等领域。
它是现代有关智能计算中的关键技术，因而将其应用在数字滤波器算法的优化上。
二、国内外发展状况：在数字信号处理领域，滤波器作为一种必不可少的组成部分处在了十分重要的位置。
主要应用在：(1)语音处理：首先进行语音信号分析，即利用语音信号的波形特征、统计特性、模型参数等进行分析计算。
然后语音合成和语音识别，利用专用数字硬件或计算机软件来产生、识别语音。
进而进行语音增强，显而易见从噪声或干扰中提取被掩盖的语音信号。
最后就是用国际化标准进行语音数据压缩。
(2)通信：在现代通信技术领域，几乎没有不受数字滤波器的影响方面。
信道编码、调制、多路复用、数据压缩等都有采用数字滤波器。
特别是在数字通信、网络通信以及多媒体通信等应用中。
(3)还有就是在其他领域：类似图像处理、电视、导航制导、电子对抗和生物医学信号处理方面等等。
数字滤波器的实现方法大致有以下几种方法：(1)依通用计算机的软件来实现，但这种实现方法速度慢多用于教学与科研；(2)用依发展较快的单片机来实现，可据单片机的硬件环境来进行广泛应用；(3)利用专门用于信号处理的DSP来实现。
内部带有的乘法器、累加器，采用流水线工作方式和并行结构，使其运行速度更快，更精准。
而遗传算法远远不及滤波器的使用率，把这种算法用在滤波器的研究上也是一种新的尝试。
遗传算法应用研究从初期的组合优化求解扩展到更新更工程化的领域，起步于20世纪末。
利用遗传算法进行优化和规则学习能力的日益提高，使对其的研究出现了令人关注的新动向。
一是遗传算法正日益和神经网络、模糊推理以及混沌理论等其它智能计算方法相互渗透和结合，这对开拓21世纪中新的智能计算技术将具有重要的意义；二是遗传算法和另一个称为人工生命的崭新研究领域正不断渗透；三是遗传算法和进化规划以及进化策略等进化计算理论日益结合等。
而今天我们所要研究的重点是基于遗传算法的机器学习，这一新的研究课题就是把遗传算法从历来离散的空间优化搜索算法扩展到具有独特的规则崭新的机器学习算法。
这一课题的应用将滤波器的发展推向了新的高潮。
三、研究目标：理解遗传算法及数字滤波器的概念，利用遗传算法设计FIR和IIR数字滤波器的方法，并用Matlab进行仿真，在此基础上如有余力，还可对遗传算法做适当的改进，以获得更好的收敛速度和滤波器性能。
四、研究内容：1、了解本次研究的研究背景及意义以及发展现状；2、理解遗传算法及数字滤波器的概念、基本原理以及设计思路与方法；3、利用遗传算法对数字波器的权系数进行优化，并研究基于遗传算法的数字滤波器的在FIR和IIR滤波器上的应用实例，并将之详细描述包括数学模型、设计步骤等。
4、用Matlab进行上机仿真。
五、研究方法：（一）、滤波器的设计方法：信号是独立变量的函数，这个自变量可以是时间、空间位置等。
而因为自变量时间是连续取值的，所以称之为连续时间信号。
我们通常所说的模拟信号，它不仅在时间上连续，在幅值上也是连续的，模拟信号是连续信号的特例。
而模拟信号与数字信号存在下述转换：图1 模拟信号与数字信号的转换随着滤波器在科研、教育及军事等方面的广泛应用，按其特性又被划分为很多种类。
通常，按所用元器件来分：无源和有源滤波器两种。
按其频率响应的特性有源滤波器可以分为：低通滤波器（LPF ）、高通滤波器（HPF ）、带通滤波器（BPF ）和带阻滤波器（BEF ）四种。
按信号处理的方式：模拟滤波器、数字滤波器。
本课题研究的主要是遗传算法在数字滤波器中：依使用和实现方法来分类通过卷积(convolution)来实现的FIR 滤波器（主要包含有窗口设计法和频率采样法）和通过递归(recursion)来实现的IIR 滤波器（主要包含：脉冲响应不变法和双线性变换法）的应用。
FIR 滤波器的窗口设计方法主旨是，从时域出发用FIR 滤波器的频率响应n j N n j e n h e H ωω--=∑=10)()(来逼近理想的)(ωj d e H ,用有限长的)(n h 来逼近无限长的)(n h d ,最直接的方法是用一个长度为N 的窗口函数)(n ω来截取)(n h d ,即：)(n h =)(n ω)(n h d ；它的频率采样法从频域出发，对理想的频率响应)(ωj d e H 加以等间隔采样)( )(k/N 2=k H e H d j d =πω。
它的最优化设计则是将所有的采样值皆作为变量，以获取最优结果。
常用准则是均方误差最小准则和最大误差最小化准则。
IIR 滤波器通常的设计方法有两种：先设计一个合适的模拟滤波器，然后变换成满足预定指标的数字滤波器。
这种方法很方便，由于模拟的网络综合理论已发展成熟，产生了很多高效率的设计方法，不再受局限；另外即是最优化设计方法，首先确定一种最优准则，然后求此准则下的滤波器的系数a i 和b i ，这种设计不需要通过模拟滤波器这一中间环节，也称为直接法。
常见的滤波器算法有：算术平均值滤波、加权平均值滤波、滑动平均值滤波、 中值滤波、防脉冲干扰平均值滤波、程序判断滤波、低通滤波和复合数字滤波。
(二)、遗传算法的基本原理：而这些远远不能满足数字化以信息化的处理速度，所以我们根据遗传算法的特点，将其应用在滤波器的发展上。
如图2，解决实际问题时遗传算法的流程中：图2 解决实际问题时遗传算法流程图（1）编码：是因为遗传算法不能直接处理空间的参数，必须把它们转换成遗传空间的由基因按一定结构组成的染色体或个体。
（2）初始种群的选取：初始群体中的个体是随机产生的，但遵循两种策略：①根据问题固有知识，设法把握最优解所占空间在整个问题空间中的分布范围，然后，在此分布范围内设定初始群体。
②先随机生成一定数目的个体，然后从中挑出最好的个体加到初始群体中。
这种过程不断迭代，直到初始群体中个体数达到了预先确定的规模。
（3）收敛准则：由适应度函数决定，适应度函数是表示某一个体对环境的适应能力，也表示该个体繁殖后代的能力。
它也被称作评价函数，是用来判断群体智能个的个体的优略程度的指标，它是根据所求问题的目标函数来进行评估的。
（4）遗传过程：遗传操作的三种基本遗传算子：选择、交叉、差异。
个体向最优解迁移的规则是随机的。
但遗传操作进行的是高效有向的搜索而不是一般随机搜索方法所进行的无向搜索。
遗传操作的效果和上述三个遗传算子所取的操作概率，编码方法，群体大小，初始群体以及适应度函数的设定密切相关。
遗传算法的方法简单归纳，即为：创建一个随机的初始状态，评价适应度、繁殖、下一代、并列计算等。
（三)、基于遗传算法的数字滤波器的设计：1、遗传算法在FIR 滤波器中的应用：（1）对过渡带中采样值进行初始编码；（2）随机产生初始种群，个体数目一定， 在遗传算法的每i 代中，对第j 个估计参数译码得到一个1T ，并计算出对应的阻带最小衰减sij A ，通过下式计算出该估计参数的适应度ij f ，即： S j AA f S j sijsijij ,,2,1,1⋯==∑=； ij f 越大说明此最小衰减sij A 适应度越大，被保留的可能性越大，否则就会被优解淘汰；（3）①判断进化代数或者误差是否满足设定值，若满足则转②；计算个体的适应度并判断是否符合优化准则，若符合，输出最佳个体及其代表的最优解，并结束计算，否则转向（4）；保留最优个体，其余个体由随机产生的新个体代替，从而构成新的种群转向②继续；（4）依据适应度选择再生个体，适应度高的个体被选中的概率高，适应度低的个体可能被淘汰；（5）按照一定的交叉概率和交叉方法生成新的个体；（6）按照一定的变异概率和变异方法生成新的个体；（7）按照交叉和变异产生新一代的种群，返回（3）。
2、遗传算法在IIR 滤波器中的应用：（1）设定遗传算法中的参数，随机初始化群体，个体数目一定，每个个体表示为染色体的基因编码；（2）计算函数E ，将其作为适应度函数，计算其最小值2100])()([),(∑=-=Φ=Mi j d j e H e G A A E E ωω；（3）~（7）同FIR 滤波器中的应用中的同号步骤。
五、研究手段：本课题为用Matlab 设计与仿真类型。
Matlab 语言是当今科学界（尤其是自动控制领域）最具影响力、也是最有活力的软件。
它起源于矩阵运算，并已发展成一种高度集成的计算机语言。
它提供了强大的科学运算、灵活的程序设计流程、高质量的图形可视化与界面设计、便捷的与其他程序和语言接口的功能。
现在Matlab 语言已经不仅仅是一个“矩阵实验室”了，它已经成为一种具有广泛的应用前景的全新计算机高级编程语言。
它的工作环境包括：帮助系统、工作内存管理、指令和函数管理、搜索路径管理、操作系统、程序调试和性能剖析工具等。
六、进度安排：（1）第1周：与指导教师见面,进行选题,初步查找收集基于遗传算法的数字滤波器的设计与仿真方面的相关资料。
（2）第2周：编写课题调研报告，参考相关文献，逐步了解自己的课题所研究的优化算法，结束调研报告之后，将其提交给指导教师之后，查阅英文相关文献为外文文献的翻译做好准备。