高阶带阻滤波器优化设计研究

摘要：

众所周知,传统BP神经网络收敛速度慢、学习效率低.之所以如此,主要原因在于人工神经元输出函数的同一化.本文提出的神经网络模型的主要特点是:用正交基函数作人工神经元的输出函数,而且每个神经元的输出函数各不相同.该神经网络模型有效克服了传统BP神经网络收敛速度慢、学习效率低的致命缺陷.本文还详细研究了FIR线性相位滤波器的幅频特性与余弦基函数神经网络算法的关系,给出了高阶带阻滤波器优化设计实例.计算机仿真结果表明了该算法在高阶带阻滤波器设计中的有效性和优异性能.

关键词：神经网络、幅频特性、带阻滤波器、优化设计

所属期刊栏目：13

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金69974031

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：743-745