Метод оптимізації характеристик КІХ-фільтра з використанням алгоритму імітації поведінки китів

Руслан Валерікович Петросян; Арсен Русланович Петросян

doi:10.26642/ten-2024-1(93)-211-217

Автор(и)

Руслан Валерікович Петросян Державний університет «Житомирська політехніка», Україна http://orcid.org/0000-0002-0388-8821
Арсен Русланович Петросян Державний університет «Житомирська політехніка», Україна http://orcid.org/0000-0003-0960-8461

DOI:

https://doi.org/10.26642/ten-2024-1(93)-211-217

Ключові слова:

середньоквадратичне відхилення, оптимізація, АЧХ, КІХ-фільтр, алгоритм імітації поведінки китів, WOA

Анотація

У статті розглядається аналіз алгоритму імітації поведінки китів з метою його застосування для оптимізації коефіцієнтів цифрових фільтрів з лінійною фазою. Цифрові фільтри відіграють важливу роль в обробці сигналів, які використовуються в багатьох задачах: системах керування та вимірювання, системах обробки аудіо та відео, в задачах зниження шуму тощо. КІХ-фільтри переважають у розв’язанні деяких задач, тому що мають такі плюси: групова затримка фільтра постійна; КІХ-фільтри завжди стійкі. Нині широкого розповсюдження набули алгоритми, засновані на ройовому інтелекті. Ці алгоритми в теорії штучного інтелекту розглядаються як методи оптимізації. Проведено аналіз існуючих методів розв’язання задачі. Відносно недавно з’явився алгоритм імітації поведінки китів. Цей алгоритм має переваги порівняно з іншими алгоритмами: не потребує інформації про градієнт; може оминати локальні оптимуми; може бути використаний в широкому спектрі задач. На основі такого алгоритму розроблено метод оптимізації характеристик КІХ-фільтрів. Як фітнес-функція використовується середньоквадратичне відхилення між амплітудно-частотною характеристикою прототипу та амплітудно-частотною характеристикою КІХ-фільтра, що проєктується. Моделювання проводилося на прикладі КІХ-фільтра першого типу 24 порядку з використанням мови програмування Python. Результати моделювання показали ефективність застосування цього алгоритму для синтезу КІХ-фільтрів. Такий метод може з успіхом використовуватися під час проєктування КІХ-фільтрів з лінійною фазою при створенні різних технічних засобів. Однак варто врахувати, що ефективність алгоритму імітації поведінки китів нижча, ніж генетичного алгоритму, майже на порядок за часом. Також до недоліків варто зарахувати необхідність встановлювати межі простору пошуку.

Посилання

Petrosian, R.V. (2017), «Syntez tsyfrovykh filtriv symetrychnykh skladovykh na bazi nerekursyvnykh tsyfrovykh filtriv z liniinoiu fazoiu», Visnyk ZhDTU. Seriia. Tekhnichni nauky, No. 2 (41), рр. 114–118, [Online], available at: http://vtn.ztu.edu.ua/article/view/93626/90686

Betaflight, «Betaflight 4.3 Tuning Notes», [Online], available at: https://betaflight.com/docs/tuning/4.3-Tuning-Notes

Kavita, B. and Brijendra, M. (2023), «Remove Noise From Input Signal by Using IIR and Fir Filter Combined Circuit», International Journal of Advanced Research in Science, Communication and Technology, Vol. 3, рр. 199–203, doi: 10.48175/ijarsct-7866.

Mirjalili, S. and Lewis, A. (2016), «The Whale Optimization Algorithm», Advances in Engineering Software, Vol. 95, рр. 51–67, doi: 10.1016/j.advengsoft.2016.01.008.

MathWorks, «The Whale Optimization Algorithm», [Online], available at: https://www.mathworks.com/matlabcentral/fileexchange/55667-the-whale-optimization-algorithm

Manolakis, D.G. and Proakis, J.G. (2014), Digital signal processing, New International Edition, Pearson Higher Ed.

Gazi, O. (2018), Understanding Digital Signal Processing, Springer, Singapore, doi: 10.1007/978-981-10-4962-0.

Almufti, S.M. et al. (2023), «Overview of Metaheuristic Algorithms», Polaris Global Journal of Scholarly Research and Trends, Vol. 2, No. 2, рр. 10–32, doi: 10.58429/pgjsrt.v2n2a144.

Petrosian, R., Kuzmenko, O. and Petrosian, A. (2021), «Method for calculating the FIR filter based on genetic algorithm», Computer Systems and Information Technologies, Vol. 1, рр. 19–24, [Online], available at: https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/45/33

Petrosian, R., Chukhov, V. and Petrosian, A. (2021), «Development of a method for synthesis the FIR filters with a cascade structure based on genetic algorithm», Technology audit and production reserves, Vol. 4, No. 2 (60), рр. 6–11, doi: 10.15587/2706-5448.2021.237271.

Ahmmed, T. et al. (2020), «Genetic Algorithm Based PID Parameter Optimization», American Journal of Intelligent Systems, Vol. 10, No. 1, рр. 8–13, doi: 10.5923/j.ajis.20201001.02.

Petrosian, A.R. et al. (2023), «Efficient model of PID controller of unmanned aerial vehicle», Journal of Edge Computing, doi: 10.55056/jec.593.

Ali, Z. et al. (2021), «Digital FIR Filter Design by PSO and its variants Attractive and Repulsive PSO(ARPSO) and Craziness based PSO(CRPSO)», International Journal of Recent Technology and Engineering, Vol. 9, No. 6, рр. 136–141, doi: 10.35940/ijrte.f5515.039621.

Wu, C. et al. (2015), «Sparse FIR Filter Design Based on Simulated Annealing Algorithm», Advances in Electrical and Computer Engineering, Vol. 15, No. 1, рр. 17–22, doi: 10.4316/aece.2015.01003.

Ahmadi, S.A. (2016), «Human behavior-based optimization: a novel metaheuristic approach to solve complex optimization problems», Neural Computing and Applications, Vol. 28, рр. 233–244, doi: 10.1007/s00521-016-2334-4.

MathWorks, «HBBO: Human Behavior-Based Optimization Algorithm», [Online], available at: https://www.mathworks.com/matlabcentral/fileexchange/93840-hbbo-human-behavior-based-optimization-algorithm