低复杂度数字滤波器的设计理论的研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 英文缩略词对照表 | 第13-14页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 数字滤波器的研究背景及意义 | 第14-15页 |
| 1.2 低复杂度数字滤波器的研究现状 | 第15-18页 |
| 1.3 论文主要工作 | 第18-19页 |
| 1.4 论文组织结构 | 第19-22页 |
| 第2章 低复杂度数字滤波器设计理论 | 第22-48页 |
| 2.1 低复杂度数字滤波器简介 | 第22-39页 |
| 2.1.1 内插脉冲响应(IFIR)滤波器 | 第22-24页 |
| 2.1.2 频罩(FRM)滤波器 | 第24-28页 |
| 2.1.3 外插脉冲响应(EIR)滤波器 | 第28-34页 |
| 2.1.4 可重构系数抽取滤波器 | 第34-36页 |
| 2.1.5 可重构FRM滤波器 | 第36-38页 |
| 2.1.6 稀疏滤波器 | 第38-39页 |
| 2.2 优化算法简介 | 第39-46页 |
| 2.2.1 线性优化 | 第40页 |
| 2.2.2 二阶锥优化 | 第40-41页 |
| 2.2.3 粒子群优化(PSO) | 第41-43页 |
| 2.2.4 二值粒子群优化(BPSO) | 第43-45页 |
| 2.2.5 模拟退火算法 | 第45页 |
| 2.2.6 常用的优化工具包 | 第45-46页 |
| 2.3 本章小结 | 第46-48页 |
| 第3章 基于二阶锥优化的改进可重构频罩滤波器设计 | 第48-62页 |
| 3.1 引言 | 第48-49页 |
| 3.2 FRM滤波器简介 | 第49-51页 |
| 3.3 可重构FRM滤波器简介 | 第51-53页 |
| 3.4 本文改进算法 | 第53-55页 |
| 3.5 实验结果 | 第55-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第4章 基于加权L1的稀疏系数抽取滤波器的设计 | 第62-76页 |
| 4.1 引言 | 第62-63页 |
| 4.2 系数抽取滤波器简介 | 第63-66页 |
| 4.2.1 基本理论 | 第63-65页 |
| 4.2.2 设计算法 | 第65-66页 |
| 4.3 压缩感知算法简介 | 第66-69页 |
| 4.3.1 基本求解算法 | 第66-69页 |
| 4.3.2 稀疏滤波器设计和压缩感知的关系 | 第69页 |
| 4.4 本章算法 | 第69-72页 |
| 4.5 实验结果 | 第72-73页 |
| 4.6 本章小结 | 第73-76页 |
| 第5章 基于BPSO的稀疏FIR滤波器设计 | 第76-94页 |
| 5.1 引言 | 第76-77页 |
| 5.2 粒子群算法简介 | 第77-81页 |
| 5.2.1 PSO | 第78-79页 |
| 5.2.2 BPSO | 第79-81页 |
| 5.3 BPSO和稀疏FIR滤波器设计的结合 | 第81-83页 |
| 5.3.1 粒子速度和位置的意义 | 第81页 |
| 5.3.2 改进的二值映射方法 | 第81-82页 |
| 5.3.3 粒子的适应度值 | 第82-83页 |
| 5.3.4 群体最优位置的重置策略 | 第83页 |
| 5.4 给定零系数分布的最优FIR滤波器设计 | 第83-85页 |
| 5.5 本章算法 | 第85-88页 |
| 5.6 实验结果 | 第88-93页 |
| 5.7 本章小结 | 第93-94页 |
| 第6章 基于模拟退火算法的低群时延稀疏滤波器设计 | 第94-108页 |
| 6.1 引言 | 第94-95页 |
| 6.2 模拟退火算法简介 | 第95-96页 |
| 6.3 模拟退火算法和稀疏群时延滤波器设计的结合 | 第96-97页 |
| 6.3.1 算法求解空间的定义 | 第96-97页 |
| 6.3.2 算法临近解的选择 | 第97页 |
| 6.3.3 算法能量函数的定义 | 第97页 |
| 6.4 已知零系数分布的低群时延滤波器设计 | 第97-99页 |
| 6.5 本章算法 | 第99-102页 |
| 6.6 实验结果 | 第102-106页 |
| 6.7 本章小结 | 第106-108页 |
| 第7章 总结与展望 | 第108-110页 |
| 7.1 全文总结 | 第108-109页 |
| 7.2 进一步展望 | 第109-110页 |
| 参考文献 | 第110-122页 |
| 致谢 | 第122-124页 |
| 攻读博士学位期间(合作)撰写与发表的主要论文 | 第124页 |
