Warianty tytułu
O wykorzystaniu algorytmu genetycznego w projektowaniu liniowych filtrów cyfrowych
Języki publikacji
Abstrakty
Digital filters, either as filters with moving average (Finite Impulse Response) or autoregressive filters (Infinite Impulse Response), are widely used in noise suppression, signal processing or extracting information from data streams. Although well-known theory allows for optimal parameter selection, there still exist such real applications where requirements limit the use of digital filters. One of the most important limitations is the response time delay caused by too many used lagged input signals. The method proposed in the article allows us to estimate filter parameters with a genetic algorithm, decreasing its delay but keeping the requirements important for the user (e.g.: attenuation). Transfer functions of such filters were compared with transfer functions of the most known classical filters. (original abstract)
Filtry cyfrowe, zarówno ze średnią ruchomą, jak i autoregresyjne, są szeroko wykorzystywane w tłumieniu zakłóceń, przetwarzaniu sygnałów bądź wyodrębnianiu informacji z potoków danych. Chociaż dobrze znana teoria filtrów pozwala na optymalny dobór parametrów, istnieją jednak takie zastosowania praktyczne, których wymagania ograniczają stosowanie filtrów cyfrowych. Jednym z ważniejszych ograniczeń jest opóźnienie odpowiedzi filtru, wynikające z konieczności korzystania ze zbyt wielu opóźnionych sygnałów wejściowych. Zaproponowana w artykule metoda umożliwia dobór parametrów filtru, zmniejszając jego opóźnienie przy zachowaniu istotnych dla użytkownika wymagań (np. tłumienia) za pomocą algorytmu genetycznego. Charakterystyki widmowe takich filtrów porównano z charakterystykami widmowymi najbardziej znanych filtrów klasycznych. (abstrakt oryginalny)
Słowa kluczowe
Rocznik
Numer
Strony
113--124
Opis fizyczny
Twórcy
autor
- ETA Gliwice Sp. z o.o.
Bibliografia
- Cryer J. D., Chan K.-S. (2008), Time Series Analysis with Applications in R, Springer Science, Berlin.
- Goldberg D. (1989), Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley, Boston.
- Grzymkowski R., Kaczmarek K., Kiełtyka S., Nowak I. (2008), Wybrane algorytmy optymalizacji. Algorytmy genetyczne. Algorytmy mrówkowe, Wydawnictwo Pracowni Komputerowej Jacka Skalmierskiego, Gliwice.
- Holland J. (1975), Adaptation in Natural and Artificial Systems, The University of Michigan Press, Ann Arbor.
- Kirchgassner G., Wolters J. (2007), Introduction to Modern Time Series Analysis, Springer-Verlag, Berlin.
- Lutkepohl H. (2005), New Introduction to Multiple Time Series Analysis, Springer-Verlag, Berlin.
- Stelmach J. (2014), On the use of genetic algorithms in the selection of predictors of parametric regression models, [in:] 32nd International Conference "Mathematical Methods in Economics 2014" in Olomouc, Conference Proceedings, pp. 968-973.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171598843