基于遗传算法的复杂无源滤波器参数设计

1、    基于遗传算法的复杂无源滤波器参数设计提出了一种基于计算机数值计算的复杂无源滤波器参数设计的新方法,首先把求解电路参数的问题数学化为性能指标优化模型,然后采用遗传算法求得特性符合要求的电路参数值,数值实验表明了此方法的有效性。关键词：无源滤波器参数优化设计遗传算法无源滤波器在电子技术领域有着广泛的应用。针对某一应用的复杂无源滤波器,往往结构容易确定,参数调整却十分困难。其原因是：结构中的组成元件电阻、电容、电感个数较多,频率特性与元件参提出了一种基于计算机数值计算的复杂无源滤波器参数设计的新方法,首先把求解电路参数的问题数学化为性能指标优化模型,然

2、后采用遗传算法求得特性符合要求的电路参数值,数值实验表明了此方法的有效性。    关键词：无源滤波器 参数优化设计 遗传算法    无源滤波器在电子技术领域有着广泛的应用。针对某一应用的复杂无源滤波器,往往结构容易确定,参数调整却十分困难。其原因是：结构中的组成元件电阻、电容、电感个数较多,频率特性与元件参数的关系是一个高阶的非线性函数,相互间对频率特性的影响存在着高度的耦合,因而欲达到频率特性优良的设计目的,无论采用实验手段还是常规数学手段,都需花费大量的时间与精力。    近年来,模拟生物进化过程的遗

3、传算法作为求解优化问题的有效手法而倍受关注。正如 等人指出,同其他手法相比,其优点在于：处理问题的灵活性、适应性、鲁棒性,能取得全局解,对模型要求低,针对不同问题设计的不同遗传算法,不仅能提高现有解的优化品质,还能攻克某些难度大的优化问题。    本文以遗传算法的应用为出发点,提出了一种新的无源滤波器参数设计方法。它能有效克服上述无源滤波器参数设计的困难,十分方便地取得满足性能指标要求的参数设计值。 优化模型的建立    典型的无源滤波器电路组成元件一般按型结构连接,如图所示。滤波器的频率特性可以用功率传输函数来定义,即： 

4、   其中,为电路的元件参数值矩阵,为元件总个数,为频率。若已知,频率采样点对应的频率特性可按下述方法计算：设 ,                            用简易的迭代程序求得,代入式()即可求得。    滤波器的结构已知后,先确定结构中的参数取值范围,选择的条件可以比较宽松,然后按预期的性能指标要求,选定适当个频率采样点,

5、规定其对应功率传输函数幅度界限值,迫使它调整后经过采样点时,满足幅度界限要求（大于、小于或介于）。由此获得的新设计参数*即是满足预期性能指标的设计值。为求得*,建立如下优化模型：    其中,的定义同前,为幅度界限值矩阵,为加权系数矩阵,为裕度矩阵,、分别为设计参数的上下界限矩阵。为偶次方,为采样点总数,称为余差,具体表达式为：    下界 ×（,）    上界 ×（,）    显然,当存在解使函数最小时,的值应能控制在的要求范围内,从而使频率特

6、性满足指标要求,因此该解即可视为*。 优化模型的求解    遗传算法是一个强有力的求优算法,它首先随机地产生一组潜在的解（该解称为“染色体”,解的特定集合称为“人口”,解中的变量称为“基因”）,然后采用生物进化的过程（如染色体交叉变异淘汰等）不断提高解的品质,最后获得最优解。遗传算法有两个重要控制参数交叉率和变异率对算法的收敛速度有较大影响,文献采用确定不变的和而本文采用随世代数增加而不断自动调整的和。这样做的目的在于：在进化的初期,人口的差异一般较大,交叉率大和变异率小有助于加快收敛,而在进化的后期,交叉率小和变异率大有助防止过早陷入局部最优点。公式如下：    ()()（）    （）（）（）    其中,表示世代数,表示最大世代数,具体算法如下：第步,全局参数设定给出（人口数）、（）、（）、和设计次数的大小或范围。第步,人口的产生及初使化设世代数。以设计参数为变量,组成矩阵,。第一代人口由个染色体构成,每个染色体的基因（即设计参数）在参数各自取值范围内随机产生。第步,染色