CN110896303A - 滤波方法和滤波装置以及存储介质 - Google Patents
滤波方法和滤波装置以及存储介质 Download PDFInfo
- Publication number
- CN110896303A CN110896303A CN201811063917.0A CN201811063917A CN110896303A CN 110896303 A CN110896303 A CN 110896303A CN 201811063917 A CN201811063917 A CN 201811063917A CN 110896303 A CN110896303 A CN 110896303A
- Authority
- CN
- China
- Prior art keywords
- evaluated
- parameter
- value
- performance
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000001914 filtration Methods 0.000 title claims abstract description 20
- 238000003860 storage Methods 0.000 title claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims abstract description 105
- 238000005457 optimization Methods 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 40
- 238000013461 design Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 96
- 238000012546 transfer Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0283—Filters characterised by the filter structure
- H03H17/0286—Combinations of filter structures
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H2017/0072—Theoretical filter design
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Complex Calculations (AREA)
Abstract
本申请提供了滤波方法和滤波装置以及非瞬时性计算机可读存储介质。该滤波方法包括：根据滤波器组的应用需求，确定所述滤波器组中需要调节的参数，并利用预设的参数设计算法计算所述参数的初始值；对所述参数的初始值进行升采样处理，再经过零相位低通滤波器，以得到所述参数的待评估值；利用预设的评价准则函数对所述参数的待评估值进行评估，以得到评估结果；将所述参数的待评估值和所述评估结果代入预设的约束优化算法，以调整所述参数的待评估值，并使所述评估结果达到最小值，从而得到所述参数的优化值。
Description
技术领域
本申请涉及滤波器设计领域，尤其涉及滤波方法和滤波装置以及非瞬时性计算机可读存储介质。
背景技术
一个滤波器组，即一组滤波器，它们通常具有共同的输入，或共同的输出。例如，如图1a所示，滤波器H0(z)，H1(z)，…，HM-1(z)具有共同的输入x(n)；如图1b所示，滤波器G0(z)，G1(z)，…，GM-1(z)具有共同的输出
例如，在图1a所示的示例中，x(n)通过这些滤波器后，得到的x0(n)，x1(n)，…，xM-1(n)将是x(n)的多个子带信号，它们的频谱相互之间没有交叠或具有少许的混迭。由于H0(z)，H1(z)，…，HM-1(z)的作用是将x(n)作子带分解，因此可称为分析滤波器组。
将x(n)分成M个子带信号后，这M个子带信号的带宽将是原来的1/M。因此，它们的抽样率会降低M倍。若希望重建后的信号
等于原信号x(n)，或是其一个较好的近似，那么首先应保证
和x(n)的抽样频率一致。因此，在综合滤波器组G0(z)，G1(z)，…，GM-1(z)之前还应加上一个M倍的插值器，如图2所示。
在M通道滤波器组中，先给定低通滤波器H0(z)，其单位抽样响应为h0(n)，其频带为
即带宽为
设第k条支路上的分析滤波器为Hk(z)，并假定其与H0(z)有如下关系：
则
这样，x(n)通过第k条支路后就变成一个窄带信号，其频谱在2πk/M～2π(k+1)/M之间。如若将hk(n)的输出xk(n)再乘以
这就等于将xk(n)的频谱的中心移到ω＝0的位置，因为其带宽仍是2π/M，所以对xk(n)可作M倍的抽取。第k条支路如3图所示。
如果将M倍抽取器移到滤波器之前，则可得到如图4所示的分析滤波器组(离散傅里叶调制滤波器组)。在图4所示的分析滤波器组中，xl(n)＝x(Mn-l)，pl(n)＝h0(n+l)。
上述的滤波器组的设计方法，设计过程存在冗余，滤波器系数的自由度较大，寻优过程耗时，并且运算资源占据大，不适合在线更新。
发明内容
本申请提供了滤波方法和滤波装置以及非瞬时性计算机可读存储介质。
根据本申请的第一方面，提供了一种滤波方法，包括：
根据滤波器组的应用需求，确定所述滤波器组中需要调节的参数，并利用预设的参数设计算法计算所述参数的初始值；
对所述参数的初始值进行升采样处理，再经过零相位低通滤波器，以得到所述参数的待评估值；
利用预设的评价准则函数对所述参数的待评估值进行评估，以得到评估结果；
将所述参数的待评估值和所述评估结果代入预设的约束优化算法，以调整所述参数的待评估值，并使所述评估结果达到最小值，从而得到所述参数的优化值。
根据一个实施方式，所述参数包括所述滤波器组中各滤波器的阶数和通带频率。
根据一个实施方式，所述预设的参数设计算法包括二通道正交滤波器组设计算法。
根据一个实施方式，所述评价准则函数包括一项或多项待评估性能的寻优准则函数，并且利用预设的评价准则函数对所述参数的待评估值进行评估，以得到评估结果包括：
利用所述一项或多项待评估性能的寻优准则函数对所述参数的待评估值进行评估，并将所述一项或多项待评估性能的评估结果相加求和，以得到所述参数的评估结果。
根据一个实施方式，所述评价准则函数包括一项或多项待评估性能的寻优准则函数，并且利用预设的评价准则函数对所述参数的待评估值进行评估，以得到评估结果包括：
利用所述一项或多项待评估性能的寻优准则函数对所述参数的待评估值进行评估，并将所述一项或多项待评估性能的评估结果进行加权求和，以得到所述参数的评估结果。
根据一个实施方式，所述预设的评价准则函数包括如下表达式：
opt＝sum(aj*Ewj(hr(h)))
其中opt表示所述评估结果，sum为求和函数，j＝1,2,3…表示一项或多项待评估性能的标号，aj表示每个待评估性能的权重因子，Ewj表示每项待评估性能的寻优准则函数，hr(h)表示所述参数的待评估值。
根据一个实施方式，所述待评估性能包括：低通性能、总体传递函数性能、混叠传递函数性能中的至少一个。
根据一个实施方式，所述预设的约束优化算法为自然梯度算法。
根据本申请的第二方面，提供了一种滤波装置，包括：
初始值计算单元，根据滤波器组的应用需求，确定所述滤波器组中需要调节的参数，并利用预设的参数设计算法计算所述参数的初始值；
待评估值获取单元，对所述参数的初始值进行升采样处理，再经过零相位低通滤波器，以得到所述参数的待评估值；
评估单元，利用预设的评价准则函数对所述参数的待评估值进行评估，以得到评估结果；
优化单元，将所述参数的待评估值和所述评估结果代入预设的约束优化算法，以调整所述参数的待评估值，并使所述评估结果达到最小值，从而得到所述参数的优化值。
根据一个实施方式，所述参数包括所述滤波器组中各滤波器的阶数和通带频率。
根据一个实施方式，所述预设的参数设计算法包括二通道正交滤波器组设计算法。
根据一个实施方式，所述评价准则函数包括一项或多项待评估性能的寻优准则函数，并且所述评估单元用于：
利用所述一项或多项待评估性能的寻优准则函数对所述参数的待评估值进行评估，并将所述一项或多项待评估性能的评估结果相加求和，以得到所述参数的评估结果。
根据一个实施方式，所述评价准则函数包括一项或多项待评估性能的寻优准则函数，并且所述评估单元用于：
利用所述一项或多项待评估性能的寻优准则函数对所述参数的待评估值进行评估，并将所述一项或多项待评估性能的评估结果进行加权求和，以得到所述参数的评估结果。
根据一个实施方式，所述预设的评价准则函数包括如下表达式：
opt＝sum(aj*Ewj(hr(h)))
其中opt表示所述评估结果，sum为求和函数，j＝1,2,3…表示一项或多项待评估性能的标号，aj表示每个待评估性能的权重因子，Ewj表示每项待评估性能的寻优准则函数，hr(h)表示所述参数的待评估值。
根据一个实施方式，所述待评估性能包括：低通性能、总体传递函数性能、混叠传递函数性能中的至少一个。
根据一个实施方式，所述预设的约束优化算法为自然梯度算法。
根据本申请的第三方面，提供了一种装置，包括：
处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述处理器执行时，使得所述处理器实现如上所述的方法。
根据本申请的第四方面，提供了一种非瞬时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时，使得所述处理器实现如上所述的方法。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1a示出了具有共同输入的滤波器组的示意图；
图1b示出了具有共同输出的滤波器组的示意图；
图2示出了在综合滤波器组之前设置有插值器的示意图；
图3示出了在滤波器组中第k条支路的示意图；
图4示出了抽取器位于滤波器之前的分析滤波器组的示意图；
图5示出了根据本申请一个实施方式的滤波方法的流程图；
图6示出了根据本申请一个实施方式的滤波装置的示意图。
具体实施方式
以下参照附图对本申请的实施方式进行详细描述。应注意，以下描述仅仅是示例性的，而并不旨在限制本申请。此外，在以下描述中，将采用相同的附图标号表示不同附图中的相同或相似的部件。在以下描述的不同实施方式中的不同特征，可彼此结合，以形成本申请范围内的其他实施方式。
图5示出了根据本申请一个实施方式的滤波方法的流程图。如图5所示，该方法100可包括步骤S110至S140。在步骤S110中，根据滤波器组的应用需求，确定滤波器组中需要调节的参数，并利用预设的参数设计算法计算参数的初始值。由于滤波器组的应用范围很广，因此对于不同的应用场景，在设计滤波器组时往往需要调节不同的参数(可视为参数向量h)。本领域技术人员可根据实际的应用场景需求来选择滤波器组中需要调节的参数。
根据一个实施例，滤波器组中需要调节的参数可包括各滤波器的阶数和通带频率。当滤波器的阶数越高时，其滤波效果越好，但成本也越高。另外，由于所设计的滤波器组的应用场景不同，因此所需要的通带频率也会有所不同。
当确定了需要调节的参数后，可利用预设的参数设计算法来计算这些参数的初始值(即，参数h的初始值h0)，以用于后续的寻优操作。根据一个实施例，该预设的参数设计算法可以包括二通道正交滤波器组设计算法。由于二通道正交滤波器组设计算法设计简单，且自由度小，因此可利用其计算滤波器组中参数的初始值，从而使得后续的寻优过程尽可能地落入全局最优点附近，而避免落入局部最优点，并加快收敛速度。
在步骤S120中，对参数的初始值进行升采样处理，再经过零相位低通滤波器，以得到参数的待评估值。由于经过预设的参数设计算法所得到的参数的初始值往往是参数h的降采样版本，因此对其进行升采样处理可扩大维度，从而有利于得到全局最优点。随后经过的零相位低通滤波器是一种非因果滤波器，其不会引入群延时，不会破坏正交滤波器升采样后的形式。因此，可将此步骤得到的结果作为参数的待评估值，以用于后续的评估操作。
在步骤S130中，利用预设的评价准则函数对参数的待评估值进行评估，以得到评估结果。如上所述，滤波器组的应用范围很广，可用于不同的应用场景，而对于不同的应用场景，滤波器组所需的性能也不尽相同。因此，可根据滤波器组所需的性能来设计评价准则函数，以对参数的待评估值进行评价。将参数的待评估值代入预设的评价准则函数后，即可得到评估结果。评价准则函数的具体设计方式将在下文中详细描述。
随后，在步骤S140中，将参数的待评估值和评估结果代入预设的约束优化算法，以调整参数的待评估值，并使评估结果达到最小值，从而得到参数的优化值。根据一个实施例，预设的约束优化算法可以是自然梯度算法。由此，可利用约束优化算法对评估结果进行优化，从而得到滤波器组的参数的优化值。
根据本申请的上述实施方式，可以较为快速简便的设计出滤波器组的参数，并得到全局最优解，以获得期望性能的滤波器组的参数设置而适应具体特定应用。其运算资源占用较小，并适于在线更新。
根据本申请的一个实施方式，上述评价准则函数可包括一项或多项待评估性能的寻优准则函数。在上述步骤S130中，可利用一项或多项待评估性能的寻优准则函数对参数的待评估值进行评估，并将一项或多项待评估性能的评估结果相加求和，以得到参数的评估结果。如上所述，滤波器组可用于不同的应用场景，而对于不同的应用场景，滤波器组所需的性能也不尽相同。因此，可根据一项或多项待评估性能的寻优准则函数来确定评价准则函数。在对参数的待评估值进行评估时，可考虑一项或多项待评估性能的寻优准则函数，并且将其结果相加求和，以得到总体的参数评估结果。由此，能够使得最终参数的优化解顾及到滤波器组所需性能的各方面，以得到令人满意的全局优化解。
根据本申请的另一实施方式，上述评价准则函数可包括一项或多项待评估性能的寻优准则函数。在上述步骤S130中，可利用一项或多项待评估性能的寻优准则函数对参数的待评估值进行评估，并将一项或多项待评估性能的评估结果进行加权求和，以得到参数的评估结果。与上述实施方式所不同的是，在本实施方式中，在对参数的待评估值进行评估时，考虑一项或多项待评估性能的寻优准则函数，并且将各项待评估性能的寻优准则函数的结果加权求和，以得到总体的参数评估结果。由此，由于对不同待评估性能可预先设置不同的加权系数，因此所需评估的不同性能之间在计算参数的优化解时所占的比重是不同的，从而可更加精确地应对不同应用场景的需求，以得到期望的滤波器组。
根据本申请的又一实施方式，上述预设的评价准则函数可包括如下表达式：
opt＝sum(aj*Ewj(hr(h)))
其中opt表示评估结果，sum为求和函数，j＝1,2,3…表示一项或多项待评估性能的标号，也就是说，j表示的是各个待评估性能，即，在评价准则函数中包含了几项待评估性能，则j可为几个不同的数值。例如，如果在评价准则函数中需要考虑三种性能，即包含三项待评估性能的寻优准则函数，那么j＝1,2,3。此外，在上式中，aj表示每个待评估性能的权重因子，Ewj表示每项待评估性能的寻优准则函数，hr(h)表示参数的待评估值。
由上式可以看出，在利用评价准则函数对参数的待评估值进行评估时，可考虑到滤波器组的实际应用场景和性能需求，从而本领域技术人员可根据每项所需的性能设计寻优准则函数Ewj，并且对于不同的性能需求，可设置不同的权重因子aj，也就是说所需评估的不同性能之间在计算参数的优化解时所占的比重可以是不同的，从而可更加精确地应对不同应用场景的需求，以得到期望的滤波器组。
根据本申请一个实施方式，上述待评估性能可包括：低通性能、总体传递函数性能、混叠传递函数性能中的至少一个。本领域技术人员可以理解，可根据滤波器组的实际应用场景和性能需求，来设计待评估性能，以达到期望的滤波器性能。
图6示出了根据本申请一个实施方式的滤波装置的示意图。如图6所示，该装置200可包括初始值计算单元210、待评估值获取单元220、评估单元230、优化单元240。初始值计算单元210根据滤波器组的设计需求，确定所述滤波器组中需要调节的参数，并利用预设的参数设计算法计算所述参数的初始值。待评估值获取单元220对所述参数的初始值进行升采样处理，再经过零相位低通滤波器，以得到所述参数的待评估值。评估单元230利用预设的评价准则函数对所述参数的待评估值进行评估，以得到评估结果。优化单元240将所述参数的待评估值和所述评估结果代入预设的约束优化算法，以调整所述参数的待评估值，并使所述评估结果达到最小值，从而得到所述参数的优化值。
根据本申请一个实施方式，上述参数包括所述滤波器组中各滤波器的阶数和通带频率。
根据本申请一个实施方式，上述预设的参数设计算法可包括二通道正交滤波器组设计算法。
根据本申请一个实施方式，上述评价准则函数包括一项或多项待评估性能的寻优准则函数，并且评估单元230用于：利用所述一项或多项待评估性能的寻优准则函数对所述参数的待评估值进行评估，并将所述一项或多项待评估性能的评估结果相加求和，以得到所述参数的评估结果。
根据本申请一个实施方式，上述评价准则函数包括一项或多项待评估性能的寻优准则函数，并且评估单元230用于：利用所述一项或多项待评估性能的寻优准则函数对所述参数的待评估值进行评估，并将所述一项或多项待评估性能的评估结果进行加权求和，以得到所述参数的评估结果。
根据本申请一个实施方式，上述预设的评价准则函数可包括如下表达式：
opt＝sum(aj*Ewj(hr(h)))
其中opt表示所述评估结果，sum为求和函数，j＝1,2,3…表示一项或多项待评估性能的标号，aj表示每个待评估性能的权重因子，Ewj表示每项待评估性能的寻优准则函数，hr(h)表示所述参数的待评估值。
根据本申请一个实施方式，上述待评估性能包括：低通性能、总体传递函数性能、混叠传递函数性能中的至少一个。
根据本申请一个实施方式，上述预设的约束优化算法为自然梯度算法。
本领域技术人员可以理解，本申请的技术方案可实施为系统、方法或计算机程序产品。因此，本申请可表现为完全硬件的实施例、完全软件的实施例(包括固件、常驻软件、微码等)或将软件和硬件相结合的实施例的形式，它们一般可被称为“电路”、“模块”或“系统”。此外，本申请可表现为计算机程序产品的形式，所述计算机程序产品嵌入到任何有形的表达介质中，所述有形的表达介质具有嵌入到所述介质中的计算机可用程序代码。
参照根据本申请实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图来描述本申请。可以理解的是，可由计算机程序指令执行流程图和/或框图中的每个框、以及流程图和/或框图中的多个框的组合。这些计算机程序指令可提供给通用目的计算机、专用目的计算机或其它可编程数据处理装置的处理器，以使通过计算机或其它可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个框或多个框中指明的功能/动作的装置。
这些计算机程序指令还可存储于能够指导计算机或其它可编程数据处理装置以特定的方式实现功能的计算机可读介质中，以使存储于计算机可读介质中的指令产生包括实现流程图和/或框图中的一个框或多个框中指明的功能/动作的指令装置。
计算机程序指令还可加载到计算机或其它可编程数据处理装置上，以引起在计算机上或其它可编程装置上执行一连串的操作步骤，以产生计算机实现的过程，从而使在计算机或其它可编程装置上执行的指令提供用于实现流程图和/或框图中的一个框或多个框中指明的功能/动作的过程。
附图中的流程图和框图示出根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系结构、功能和操作。在这点上，流程图或框图中的每个框可表示一个模块、区段或代码的一部分，其包括一个或多个用于实现特定逻辑功能的可执行指令。还应注意，在一些可替代性实施中，框中标注的功能可以不按照附图中标注的顺序发生。例如，根据所涉及的功能性，连续示出的两个框实际上可大致同时地执行，或者这些框有时以相反的顺序执行。还可注意到，可由执行特定功能或动作的专用目的的基于硬件的系统、或专用目的硬件与计算机指令的组合来实现框图和/或流程图示图中的每个框、以及框图和/或流程图示图中的多个框的组合。
虽然以上的叙述包括很多特定布置和参数，但需要注意的是，这些特定布置和参数仅仅用于说明本申请的一个实施方式。这不应该作为对本申请范围的限制。本领域技术人员可以理解，在不脱离本申请范围和精神的情况下，可对其进行各种修改、增加和替换。因此，本申请的范围应该基于所述权利要求来解释。
Claims (18)
1.一种滤波方法，包括：
根据滤波器组的应用需求，确定所述滤波器组中需要调节的参数，并利用预设的参数设计算法计算所述参数的初始值；
对所述参数的初始值进行升采样处理，再经过零相位低通滤波器，以得到所述参数的待评估值；
利用预设的评价准则函数对所述参数的待评估值进行评估，以得到评估结果；
将所述参数的待评估值和所述评估结果代入预设的约束优化算法，以调整所述参数的待评估值，并使所述评估结果达到最小值，从而得到所述参数的优化值。
2.如权利要求1所述的方法，其中所述参数包括所述滤波器组中各滤波器的阶数和通带频率。
3.如权利要求1所述的方法，其中所述预设的参数设计算法包括二通道正交滤波器组设计算法。
4.如权利要求1所述的方法，其中所述评价准则函数包括一项或多项待评估性能的寻优准则函数，并且利用预设的评价准则函数对所述参数的待评估值进行评估，以得到评估结果包括：
利用所述一项或多项待评估性能的寻优准则函数对所述参数的待评估值进行评估，并将所述一项或多项待评估性能的评估结果相加求和，以得到所述参数的评估结果。
5.如权利要求1所述的方法，，其中所述评价准则函数包括一项或多项待评估性能的寻优准则函数，并且利用预设的评价准则函数对所述参数的待评估值进行评估，以得到评估结果包括：
利用所述一项或多项待评估性能的寻优准则函数对所述参数的待评估值进行评估，并将所述一项或多项待评估性能的评估结果进行加权求和，以得到所述参数的评估结果。
6.如权利要求1所述的方法，其中所述预设的评价准则函数包括如下表达式：
opt＝sum(aj*Ewj(hr(h)))
其中opt表示所述评估结果，sum为求和函数，j＝1,2,3…表示一项或多项待评估性能的标号，aj表示每个待评估性能的权重因子，Ewj表示每项待评估性能的寻优准则函数，hr(h)表示所述参数的待评估值。
7.如权利要求4-6中任一项所述的方法，其中所述待评估性能包括：低通性能、总体传递函数性能、混叠传递函数性能中的至少一个。
8.如权利要求1所述的方法，其中所述预设的约束优化算法为自然梯度算法。
9.一种滤波装置，包括：
初始值计算单元，根据滤波器组的应用需求，确定所述滤波器组中需要调节的参数，并利用预设的参数设计算法计算所述参数的初始值；
待评估值获取单元，对所述参数的初始值进行升采样处理，再经过零相位低通滤波器，以得到所述参数的待评估值；
评估单元，利用预设的评价准则函数对所述参数的待评估值进行评估，以得到评估结果；
优化单元，将所述参数的待评估值和所述评估结果代入预设的约束优化算法，以调整所述参数的待评估值，并使所述评估结果达到最小值，从而得到所述参数的优化值。
10.如权利要求9所述的装置，其中所述参数包括所述滤波器组中各滤波器的阶数和通带频率。
11.如权利要求9所述的装置，其中所述预设的参数设计算法包括二通道正交滤波器组设计算法。
12.如权利要求9所述的装置，其中所述评价准则函数包括一项或多项待评估性能的寻优准则函数，并且所述评估单元用于：
利用所述一项或多项待评估性能的寻优准则函数对所述参数的待评估值进行评估，并将所述一项或多项待评估性能的评估结果相加求和，以得到所述参数的评估结果。
13.如权利要求9所述的装置，其中所述评价准则函数包括一项或多项待评估性能的寻优准则函数，并且所述评估单元用于：
利用所述一项或多项待评估性能的寻优准则函数对所述参数的待评估值进行评估，并将所述一项或多项待评估性能的评估结果进行加权求和，以得到所述参数的评估结果。
14.如权利要求9所述的装置，其中所述预设的评价准则函数包括如下表达式：
opt＝sum(aj*Ewj(hr(h)))
其中opt表示所述评估结果，sum为求和函数，j＝1,2,3…表示一项或多项待评估性能的标号，aj表示每个待评估性能的权重因子，Ewj表示每项待评估性能的寻优准则函数，hr(h)表示所述参数的待评估值。
15.如权利要求12-14中任一项所述的装置，其中所述待评估性能包括：低通性能、总体传递函数性能、混叠传递函数性能中的至少一个。
16.如权利要求9所述的装置，其中所述预设的约束优化算法为自然梯度算法。
17.一种装置，包括：
处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述处理器执行时，使得所述处理器实现如权利要求1-8中任一项所述的方法。
18.一种非瞬时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时，使得所述处理器实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811063917.0A CN110896303B (zh) | 2018-09-12 | 2018-09-12 | 滤波方法和滤波装置以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811063917.0A CN110896303B (zh) | 2018-09-12 | 2018-09-12 | 滤波方法和滤波装置以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110896303A true CN110896303A (zh) | 2020-03-20 |
| CN110896303B CN110896303B (zh) | 2024-04-05 |
Family
ID=69785282
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811063917.0A Active CN110896303B (zh) | 2018-09-12 | 2018-09-12 | 滤波方法和滤波装置以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110896303B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112039494A (zh) * | 2020-08-13 | 2020-12-04 | 北京电子工程总体研究所 | 一种克服方位角过零的低通滤波方法、装置、设备和介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004053438A1 (en) * | 2002-12-12 | 2004-06-24 | Koninklijke Philips Electronics N.V. | Transformation structures for approximating color matching functions |
| CA2963742A1 (en) * | 2009-02-18 | 2010-08-26 | Dolby International Ab | Complex exponential modulated filter bank for high frequency reconstruction |
| CN102620729A (zh) * | 2012-04-19 | 2012-08-01 | 北京航空航天大学 | 一种机抖激光陀螺惯性测量单元数字滤波器设计方法 |
| DE102013112236A1 (de) * | 2012-11-09 | 2014-05-15 | Analog Devices, Inc. | Filterdesign Tool |
| CN107066967A (zh) * | 2017-04-12 | 2017-08-18 | 清华大学 | 一种利用局部观测信息的主动人脸寻的方法及装置 |
| CN107222215A (zh) * | 2017-05-26 | 2017-09-29 | 青岛海信电器股份有限公司 | 用于语音识别的模数转换器的设计方法、装置及系统 |
| CN107462878A (zh) * | 2017-07-31 | 2017-12-12 | 西安电子科技大学 | 基于频域离散采样约束凸优化的mtd滤波器组设计方法 |
-
2018
- 2018-09-12 CN CN201811063917.0A patent/CN110896303B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004053438A1 (en) * | 2002-12-12 | 2004-06-24 | Koninklijke Philips Electronics N.V. | Transformation structures for approximating color matching functions |
| CA2963742A1 (en) * | 2009-02-18 | 2010-08-26 | Dolby International Ab | Complex exponential modulated filter bank for high frequency reconstruction |
| CN102318189A (zh) * | 2009-02-18 | 2012-01-11 | 杜比国际公司 | 低延迟调制滤波器组 |
| CN102620729A (zh) * | 2012-04-19 | 2012-08-01 | 北京航空航天大学 | 一种机抖激光陀螺惯性测量单元数字滤波器设计方法 |
| DE102013112236A1 (de) * | 2012-11-09 | 2014-05-15 | Analog Devices, Inc. | Filterdesign Tool |
| CN107066967A (zh) * | 2017-04-12 | 2017-08-18 | 清华大学 | 一种利用局部观测信息的主动人脸寻的方法及装置 |
| CN107222215A (zh) * | 2017-05-26 | 2017-09-29 | 青岛海信电器股份有限公司 | 用于语音识别的模数转换器的设计方法、装置及系统 |
| CN107462878A (zh) * | 2017-07-31 | 2017-12-12 | 西安电子科技大学 | 基于频域离散采样约束凸优化的mtd滤波器组设计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张俊杰;仰继连;: "蚂蚁算法在FIR数字滤波器优化设计中的参数", 数据采集与处理, no. 03, 15 May 2013 (2013-05-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112039494A (zh) * | 2020-08-13 | 2020-12-04 | 北京电子工程总体研究所 | 一种克服方位角过零的低通滤波方法、装置、设备和介质 |
| CN112039494B (zh) * | 2020-08-13 | 2023-10-20 | 北京电子工程总体研究所 | 一种克服方位角过零的低通滤波方法、装置、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110896303B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108038546B (zh) | 用于压缩神经网络的方法和装置 | |
| CN107735969B (zh) | 用于音频处理的方法和系统 | |
| IL265722A (en) | Method and system for harmonic, lumpy, subchannel transposition, and enhanced by vertical rotation | |
| US9374054B2 (en) | Low delay real-to-complex conversion in overlapping filter banks for partially complex processing | |
| US9837098B2 (en) | Reduced-delay subband signal processing system and method | |
| DE102017203804A1 (de) | Umwandlung digitaler Abtastrate | |
| CN110896303B (zh) | 滤波方法和滤波装置以及存储介质 | |
| CN109816596B (zh) | 一种图像去噪方法及装置 | |
| Allakhverdiyeva | Application of neural network for digital recursive filter design | |
| US9036752B2 (en) | Low-delay filtering | |
| CN111340950A (zh) | 数字高程模型重建方法及装置 | |
| JP6410890B2 (ja) | 音声合成装置、音声合成方法および音声合成プログラム | |
| CN106549652B (zh) | 时域滤波中的滤波器系数更新 | |
| CN111010144B (zh) | 改进的两通道iir的qmfb设计方法 | |
| JP6284298B2 (ja) | 音声合成装置、音声合成方法および音声合成プログラム | |
| EP3350805A1 (en) | Filter coefficient updating in time domain filtering | |
| CN110648681A (zh) | 语音增强的方法、装置、电子设备及计算机可读存储介质 | |
| WO2019181347A1 (ja) | 最適解探索装置、最適解探索方法及びプログラム | |
| JP6696424B2 (ja) | 雑音抑圧システムと雑音抑圧方法及びプログラム | |
| Costa et al. | New insights into the weight behaviour of the Affine Projection algorithm | |
| Galletti et al. | An algorithm for gaussian recursive filters in a multicore architecture | |
| CN113253610B (zh) | 飞行器控制方法及装置 | |
| CN115563508A (zh) | 模型训练方法、装置以及设备 | |
| de Campos et al. | A robust quasi-Newton adaptive filtering algorithm | |
| CN110765410B (zh) | 一种缩短频谱数据处理时间的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230707 Address after: 311121 Room 437, Floor 4, Building 3, No. 969, Wenyi West Road, Wuchang Subdistrict, Yuhang District, Hangzhou City, Zhejiang Province Applicant after: Wuzhou Online E-Commerce (Beijing) Co.,Ltd. Address before: Box 847, four, Grand Cayman capital, Cayman Islands, UK Applicant before: ALIBABA GROUP HOLDING Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |