شناسایی سیستم تطبیقی هوشمند و بهینه مبتنی بر مدل های IIR

رساله دکترای مهندسی برق-الکترونیک

چکیده:

فیلترسازی تطبیقی دیجیتال یکی از مهم‌ترین روش‌ها در پردازش سیگنال است. بکارگیری فیلترهای دیجیتال با پاسخ ضربه نامتناهی (IIR) عملکرد بهتری در برآورده کردن مشخصه‌های مطلوب نسبت‌به فیلتر معادل پاسخ ضربه متناهی(FIR) در پی دارد. لذا استفاده از فیلترهای IIR تطبیقی مرسوم‌تر و در مقابل سطح خطای این نوع فیلترها معمولاً چندوجهی بوده و ارتباط مستقیمی با ضرایب فیلتر دارد. از این‌رو بهره‌گیری از تکنیک‌های محاسبات نرم نظیر الگوریتم‌های فرا ابتکاری تأثیر به‌سزایی در طراحی بهینه و شناسایی دقیق ساختار سیستم‌های تطبیقیIIR دارد. هدف در این تحقیق، غلبه بر چالش‌های طراحی فیلترهای دیجیتال IIR به واسطه بهره‌گیری از روش‌های بهینه‌سازی فرا ابتکاری و ارتقاء ساختار این الگوریتم‌ها در جهت مدل‌سازی و طراحی هوشمند (مرتبه و ضرایب) و پایدار مدل‌های IIR است. راهکار پیشنهادی مبتنی بر طراحی فیلتر با مرتبه هوشند در راستای کاهش پیچیدگی‌های طراحی فیلتر IIR بهینه است. در این راستا ابتدا ارزیابی عملکرد گونه‌های متفاوتی از الگوریتم‌های رایج و قدرتمند (الگوریتم‌های وراثتی (GA) و تکامل تفاضلی (DE) مبتنی بر نظریه تکامل در کنار شش الگوریتم هوش جمعیِ بهینه‌سازی گروه ذرات (PSO)، الگوریتم جستجوی گرانشی (GSA)، بهینه‌ساز مورچه‌گیر (ALO)، بهینه‌سازی آموزش و یادگیری (TLBO)، بهینه‌سازی سیستم صفحات شیبدار (IPO) و بهینه‌سازی بیوگرافی (BBO)) انجام می‌شود. سپس برای اولین بار در جهت تخمین بهینه مرتبه فیلتر همزمان با ضرایب مدل IIR پیشنهادی، یک نسخه‌ی طول متغیر از الگوریتم PSO پیشنهاد و در این رابطه بکار گرفته می‌شود. برآیند نتایج و ملاحظات به‌ازای پنج نمونه مدل IIR چالشی با مرتبه‌های متفاوت در قیاس با روش مونت کارلو، حاکی از صحت و دقت رویکرد پیشنهادی مبنی‌بر تخمین مرتبه و ضرایب فیلتر بهینه، تابع هدف مجموع وزن‌دار، تحلیل‌ها و ارزیابی‌های خروجی و سایر شبیه‌سازی‌ها می‌باشد.

________________________________________________________________

دوستان گرامی برای دسترسی به متن کامل رساله فوق می توانند به آدرس ذیل مراجعه نمایند:

https://ganj.irandoc.ac.ir//#/articles/11365526a5a01f4bc290dd40470ae941