本发明涉及数字滤波技术领域，特别是涉及一种fir滤波器优化方法及系统。
背景技术：
有限长单位冲激响应(finiteimpulseresponse，fir)滤波器，又称为非递归型滤波器，是数字信号处理系统中最基本的元件，它可以在保证任意幅频特性的同时具有严格的线性相频特性，同时其单位抽样响应是有限长的，因而滤波器是稳定的系统。因此，fir滤波器在通信、图像处理、模式识别等领域都有着广泛的应用。
目前常用的fir滤波器的设计方法有窗函数法、频率取样法和切比雪夫等波纹逼近的最优化设计方法，在设计滤波器时，最主要的设计其实就是寻找滤波器系数使频率响应不断逼近理想值。如何找到这个最优系数其实就是一个寻找最优解的问题。目前求解最优化问题常用的算法有遗传算法、神经网络算法、粒子群算法等等。
而现有的fir滤波器优化设计中，基于粒子群算法的fir滤波器优化方法局部寻优能力较差、容易陷入局部最优解，且算法容易产生早熟收敛。基于整体退火遗传算法的fir滤波器优化方法搜索速度慢、编程复杂，需要对问题进行编码找到最优解后对问题进行解码，并且三个算子的参数太多而且参数设定需要依赖经验。可见，现有的fir滤波器优化方法普遍具有寻优能力差、易陷入局部最优解、参数依赖性大等缺陷。
技术实现要素：
本发明的目的是提供一种fir滤波器优化方法及系统，通过采用杂交水稻算法来优化fir滤波器系数，寻优能力强、有跳出局部最优解的能力、计算复杂度低且参数依赖性小。
为实现上述目的，本发明提供了如下方案：
一种fir滤波器优化方法，所述fir滤波器优化方法包括：
获取随机产生的水稻种群，所述水稻种群包括多个水稻个体；
获取fir滤波器；
将所述水稻个体作为所述fir滤波器的单位冲击响应序列，获取每个所述水稻个体的适应度值；
根据所述适应度值将多个所述水稻个体分为保持系个体、不育系个体和恢复系个体；
获取所述保持系个体和所述不育系个体杂交过程中产生的杂交最优个体；
获取所述恢复系个体自交过程中产生的自交最优个体；
获取所述杂交最优个体和所述自交最优个体中适应度值最优的个体；
将所述适应度值最优的个体作为所述fir滤波器的最优单位冲击响应序列。
可选的，所述获取随机产生的水稻种群，所述水稻种群包括多个水稻个体，具体包括：
根据公式
其中，
可选的，所述将所述水稻个体作为所述fir滤波器的单位冲击响应序列，获取每个所述水稻个体的适应度值，具体包括：
将第i个所述水稻个体作为所述fir滤波器的单位冲击响应序列，对输入信号进行滤波，获得第i个滤波后信号；
根据所述第i个滤波后信号、公式
其中，
可选的，所述根据所述适应度值将所述多个水稻个体分为保持系个体、不育系个体和恢复系个体，具体包括：
按照所述适应度值从大到小的顺序对n个所述水稻个体进行排序，获得适应度值序列；
获取所述适应度值序列中的前m个所述水稻个体为所述保持系个体；
获取所述适应度值序列中的后m个所述水稻个体为所述不育系个体；
获取所述适应度值序列中剩余的n-2m个所述水稻个体为所述恢复系个体。
可选的，所述获取所述保持系个体和所述不育系个体杂交过程中产生的杂交最优个体，具体包括：
获取一个所述保持系个体作为杂交父本；
获取一个所述不育系个体作为杂交母本；
根据所述杂交父本和所述杂交母本获得杂交产生的杂交新个体；
获取所述杂交新个体的适应度值；
根据贪心算法将所述杂交父本、所述杂交母本和所述杂交新个体中适应度值最优的水稻个体保留至下一代，获得所述杂交最优个体。
可选的，所述获取所述恢复系个体自交过程中产生的自交最优个体，具体包括：
获取一个所述恢复系个体进行自交，获得自交产生的自交新个体；
获取所述自交新个体的适应度值；
根据贪心算法将所述恢复系个体和所述自交新个体中适应度值最优的水稻个体保留至下一代，获得所述自交最优个体。
本发明还提供一种fir滤波器优化系统，所述fir滤波器优化系统包括：
水稻种群获取模块，用于获取随机产生的水稻种群，所述水稻种群包括多个水稻个体；
滤波器获取模块，用于获取fir滤波器；
适应度值计算模块，用于将所述水稻个体作为所述fir滤波器的单位冲击响应序列，获取每个所述水稻个体的适应度值；
三系水稻获取模块，用于根据所述适应度值将多个所述水稻个体分为保持系个体、不育系个体和恢复系个体；
杂交最优个体获取模块，用于获取所述保持系个体和所述不育系个体杂交过程中产生的杂交最优个体；
自交最优个体获取模块，用于获取所述恢复系个体自交过程中产生的自交最优个体；
适应度值最优个体获取模块，用于获取所述杂交最优个体和所述自交最优个体中适应度值最优的个体；
fir滤波器优化模块，用于将所述适应度值最优的个体作为所述fir滤波器的最优单位冲击响应序列。
可选的，所述水稻种群获取模块具体包括：
水稻种群获取单元，用于根据公式
其中，
可选的，所述适应度值计算模块具体包括：
滤波信号获取单元，用于将第i个所述水稻个体作为所述fir滤波器的单位冲击响应序列，对输入信号进行滤波，获得第i个滤波后信号；
适应度值计算单元，用于根据所述第i个滤波后信号、公式
其中，
可选的，所述三系水稻获取模块具体包括：
适应度值序列获取单元，用于按照所述适应度值从大到小的顺序对n个所述水稻个体进行排序，获得适应度值序列；
保持系个体获取单元，用于获取所述适应度值序列中的前m个所述水稻个体为所述保持系个体；
不育系个体获取单元，用于获取所述适应度值序列中的后m个所述水稻个体为所述不育系个体；
恢复系个体获取单元，用于获取所述适应度值序列中剩余的n-2m个所述水稻个体为所述恢复系个体。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供一种fir滤波器优化方法及系统，所述方法首先获取随机产生的水稻种群和fir滤波器，所述水稻种群中包括多个水稻个体；然后将所述水稻个体作为所述fir滤波器的单位冲击响应序列，获取每个所述水稻个体的适应度值；根据所述适应度值将多个所述水稻个体分为保持系个体、不育系个体和恢复系个体；然后获取所述保持系个体和所述不育系个体杂交过程中产生的杂交最优个体；获取所述恢复系个体自交过程中产生的自交最优个体；获取所述杂交最优个体和所述自交最优个体中适应度值最优的个体；最后将所述适应度值最优的个体作为所述fir滤波器的最优单位冲击响应序列。可见，本发明所述的fir滤波器优化方法及系统通过采用杂交水稻算法来优化fir滤波器系数，解决了现有的fir滤波器优化方法寻优能力差、易陷入局部最优解、参数依赖性大的缺陷。与传统的优化算法相比，本文提出的fir滤波器优化方法及系统为fir滤波器系数优化提供了一种新的有效的方法，具有寻优能力强、有跳出局部最优解的能力、计算复杂度低且参数依赖性小的特点，并且减少了寻优过程的迭代次数，大大缩短了求解时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种fir滤波器优化方法的方法流程图；
图2为本发明提供的一种fir滤波器优化系统的系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种fir滤波器优化方法及系统，以fir滤波器的单位冲击响应序列作为杂交水稻算法的个体，基于fir滤波器的滤波后信号的信噪比和fir滤波器的均方误差来设计杂交水稻算法的适应度函数，通过迭代得到fir滤波器。即通过采用杂交水稻算法来优化fir滤波器系数，解决了现有的fir滤波器优化方法寻优能力差、易陷入局部最优解、参数依赖性大的缺陷。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供了一种fir滤波器优化方法。图1为本发明提供的一种fir滤波器优化方法的方法流程图。参见图1，一种fir滤波器优化方法，包括：
步骤101：获取随机产生的水稻种群，所述水稻种群包括多个水稻个体。
所述获取随机产生的水稻种群，所述水稻种群包括多个水稻个体，具体包括：
初始时刻，在解空间内随机生成n个所述水稻个体
其中，j∈{1，2，…，d-1，d}，minxj表示搜索空间第j维分量的最小值，maxxj表示搜索空间第j维分量的最大值。
在初始化时，还应设置以下参数：水稻种群数n、最大育种次数maxiteration和最大自交次数maxtime。所述水稻种群数n、所述最大育种次数maxiteration和所述最大自交次数maxtime根据多次实验获得，取相对优的值，会得到更优的聚类结果。
步骤102：获取fir滤波器。
在初始化时，建立所述fir滤波器的模型，本文简称为fir滤波器。所述fir滤波器为n抽头的fir滤波器。所述水稻种群中包括n各所述水稻个体，每个所述水稻个体对应一个抽头，每个水稻个体抽象为一个fir滤波器的单位冲击响应序列。
步骤103：将所述水稻个体作为所述fir滤波器的单位冲击响应序列，获取每个所述水稻个体的适应度值。
在现有的基于最优化问题的fir滤波器设计方法中，常用的最优化准则包括均方误差最小准则和最大误差最小化准则。其中均方误差最小化准则是使fir滤波器的频率响应误差的平方和最小，最大误差最小化准则是使近误差达到最小。这两种准则都是仅考虑了要设计的滤波器与理想低通滤波器的逼近程度，所考虑的因素较为单一，并未考虑fir滤波器的其他性能，例如信噪比等，当输入信号所受干扰变化时，难以保证滤波效果。
本发明所述的fir滤波器优化方法基于信噪比和均方误差最小准则设计杂交水稻算法的适应度函数，采用杂交水稻算法对fir滤波器进行设计，从而得到兼顾信噪比性能的fir滤波器。
采用每个水稻个体对应的fir滤波器对输入信号进行滤波，得到其滤波后信号，根据f＝snr+e计算种群中每个个体的适应值f，具体为：
将第i个所述水稻个体作为所述fir滤波器的单位冲击响应序列，对输入信号进行滤波，获得第i个滤波后信号；
根据所述第i个滤波后信号计算第i个所述水稻个体的适应度值，所述适应度值的计算公式如下：
fi＝snri+ei(3)
其中，
步骤104：根据所述适应度值将多个所述水稻个体分为保持系个体、不育系个体和恢复系个体。
“三系法”杂交水稻算法中，将适应度值作为每个个体基因的优劣，根据适应度值将种群从优到劣排序，其中较优的部分个体为保持系，次优的部分个体为恢复系，较劣的部分为不育系。定义所述水稻种群的种群数量为n，其中保持系、不育系占群体的比例均为m％，数量为m＝n×m/100，则恢复系占群体的比例为(100-2m)％，其中0<m<50。根据适应度值分配角色：根据适应度函数对种群排序，取较优的m个个体为保持系，取较差的m个个体为不育系，剩余的n-2m个个体为恢复系。
具体为：
求解n个所述水稻个体的适应度值，按照所述适应度值从大到小的顺序对n个所述水稻个体进行排序，获得适应度值序列；
获取所述适应度值序列中的前m个所述水稻个体为所述保持系个体；
获取所述适应度值序列中的后m个所述水稻个体为所述不育系个体；
获取所述适应度值序列中除所述保持系个体和所述不育系个体以外的n-2m个所述水稻个体为所述恢复系个体。
步骤105：获取所述保持系个体和所述不育系个体杂交过程中产生的杂交最优个体。
进行杂交行为的两个系为保持系与不育系，其育种过程是一个寻优的过程，而不是保持当前性状。杂交育种过程是一个进化过程，每次只更新种群中较差的个体而较好的个体不做处理。单一的杂交过程会使种群性状之间的差距越来越小，都向着较优的个体靠近，因此具有极佳的寻优能力。
对于每一次育种，杂交过程进行的次数与不育系的个体数量相同。每一次杂交，将从不育系和保持系中各选取一个个体作为父本母本，选取方式可以随机选取也可以按一一对映的方式选取。杂交的方式是将父本与母本对应位置的基因按照随机权重相加进行重组而得到一个拥有新的基因的个体。计算新个体的适应度，并以贪心算法为准则将其与其父本母本中的保持系个体对比，将适应度较优的个体保留至下一代。具体为：
获取一个所述保持系个体作为杂交父本；
获取一个所述不育系个体作为杂交母本；
根据所述杂交父本和所述杂交母本获得杂交产生的杂交新个体；
获取所述杂交新个体的适应度值；
根据贪心算法将所述杂交父本、所述杂交母本和所述杂交新个体中适应度值最优的水稻个体保留至下一代，获得所述杂交最优个体。
其中，所述根据所述杂交父本和所述杂交母本获得杂交产生的杂交新个体有以下两种方式：
①随机杂交
式中
②对映杂交
式中
杂交后对新产生的个体进行贪心算法选择。
若f(new_xk)＞f(xbk)，将new_xk取代xbk保留至下一代；
若f(new_xk)≤f(xbk)，则将xbk保留至下一代。
其中，new_xk表示该轮育种过程中第k次杂交产生的新个体，
步骤106：获取所述恢复系个体自交过程中产生的自交最优个体。
自交育种过程是一个群体搜索过程，每个个体都向着最优个体发展。育种过程中，自交进行的次数与恢复系的个体数量相同。每一次自交，参与自交的恢复系个体各个位置上的基因都会向着当前最优解靠近一个随机量。计算新的个体的适应度并根据贪心算法与自交之前的恢复系个体相比，选择较优的保存到下一代。若保存到下一代的个体为自交之前的个体那么该个体的自交次数将加1。如果保存到下一代的个体为自交产生的新个体，且新个体优于当前最优个体，则将其自交次数设置为0，否则保持其自交次数不变。
所述步骤106获取所述恢复系个体自交过程中产生的自交最优个体，具体包括：
获取一个所述恢复系个体进行自交，获得自交产生的自交新个体；
获取所述自交新个体的适应度值；
根据贪心算法将所述恢复系个体和所述自交新个体中适应度值最优的水稻个体保留至下一代，获得所述自交最优个体。
其中，所述获取一个所述恢复系个体进行自交，获得自交产生的自交新个体的公式为：
new_xk＝xsk+rand(0，1)(xbest-xsk)(6)
式中new_xk表示该轮育种过程中第k次自交产生的新个体，xsk为恢复系中的第sk个个体，其中sk随机取值于{1,2，…,n-2m}；xbest表示当前所找到的最优个体。
同样自交后对新产生的个体进行贪心算法选择。
若f(new_xk)＞f(xsk)将new_xk取代xsk保留至下一代，其自交次数保持不变；
若f(new_xk)≤f(xsk)则将xsk保留至下一代，其自交次数加1，即timesk＝timesk+1，timesk表示第sk次自交。
若f(new_xk)＞f(xbest)，则将new_xk取代当前的最优个体的记录xbest，并将其自交次数设为0，即timesk＝0。
如果timesk≥maxtime，即该恢复系个体的自交次数达到了最大自交次数maxtime，则在下一代育种时，该个体不进行自交过程，而是进行重置过程。
自交和杂交的结合能够互补其不足并且平衡收敛性和搜索能力，但这两个行为均存在一个缺点：容易陷入局部最优。当种群的基因都进化为相同的值后，即使当前最优个体的基因距所求的最优解有较大差距，种群都不会随着育种次数增加而进化。此时重置行为发挥了作用，将多次未进化的恢复系替换为一个随机值，避免了当所有个体都相同是种群不再进化的局面。
重置过程实际上是自交过程的一个子过程，用来处理达到自交次数上限的恢复系个体。重置过程将在解空间内随机生成一组基因，并将这组基因加到参与重置的个体的基因上，同时其自交次数将被设置为0。
重置过程的计算公式如下：
其中，
步骤107：获取所述杂交最优个体和所述自交最优个体中适应度值最优的个体。
获取所述杂交最优个体和所述自交最优个体中适应度值最优的个体，记录当前所得到的适应度值最优的所述水稻个体的基因；
获取当前育种代数和设定的优化误差值；
若所述当前育种代数未达到所述最大育种代数maxiteration，且当前所得到的适应度值最优的所述水稻个体的适应度值大于所述优化误差值，则继续执行杂交和自交过程；
当所述当前育种代数达到所述最大育种代数maxiteration，或者当前所得到的适应度值最优的所述水稻个体的适应度值小于所述优化误差值，则将当前最优个体的基因作为结果输出。
步骤108：将所述适应度值最优的个体作为所述fir滤波器的最优单位冲击响应序列。
获取当前所得到的所述适应度值最优的所述水稻个体的基因，将所述适应度值最优的个体作为所述fir滤波器的最优单位冲击响应序列。
本发明提供的fir滤波器优化方法，首次将杂交水稻算法运用到fir滤波器中实现fir滤波器系数的优化，通过杂交水稻算法获得最优解，用该最优解作为现有技术中fir滤波器的最优单位冲击响应序列，从而获得fir滤波器的最优系数，解决了现有的fir滤波器优化方法寻优能力差、易陷入局部最优解、参数依赖性大的缺陷。杂交水稻的杂交、自交、重置操作，具有有寻优能力强、计算复杂度低、计算速度快、能跳出局部最优的能力，因此能提高fir滤波器的性能。与传统的优化算法相比，本文提出的fir滤波器优化方法为fir滤波器系数优化提供了一种新的有效的方法，具有寻优能力强、有跳出局部最优解的能力、计算复杂度低且参数依赖性小的特点，并且减少了寻优过程的迭代次数，大大缩短了求解时间。
此外，本发明提出的fir滤波器优化方法基于fir滤波器的滤波后信号的信噪比和fir滤波器的均方误差来设计粒子群算法的适应度函数，解决了信号受干扰的问题，在适应值函数中加入信噪比的计算，减小了信号受干扰对寻优结果的影响，提高了寻优过程的准确度。
本发明还提供了一种fir滤波器优化系统。图2为本发明提供的一种fir滤波器优化系统的系统结构图。参见图2，所述fir滤波器优化系统包括：
水稻种群获取模块201，用于获取随机产生的水稻种群，所述水稻种群包括多个水稻个体；
滤波器获取模块202，用于获取fir滤波器；
适应度值计算模块203，用于将所述水稻个体作为所述fir滤波器的单位冲击响应序列，获取每个所述水稻个体的适应度值；
三系水稻获取模块204，用于根据所述适应度值将多个所述水稻个体分为保持系个体、不育系个体和恢复系个体；
杂交最优个体获取模块205，用于获取所述保持系个体和所述不育系个体杂交过程中产生的杂交最优个体；
自交最优个体获取模块206，用于获取所述恢复系个体自交过程中产生的自交最优个体；
适应度值最优个体获取模块207，用于获取所述杂交最优个体和所述自交最优个体中适应度值最优的个体；
fir滤波器优化模块208，用于将所述适应度值最优的个体作为所述fir滤波器的最优单位冲击响应序列。
其中，所述水稻种群获取模块201具体包括：
水稻种群获取单元，用于根据公式
其中，
水稻种群数获取单元，用于在初始化时获取所述水稻种群数n。
最大育种次数获取单元，用于在初始化时获取所述最大育种次数maxiteration。
最大自交次数获取单元，用于在初始化时获取所述最大自交次数maxtime。
所述适应度值计算模块203具体包括：
滤波信号获取单元，用于将第i个所述水稻个体作为所述fir滤波器的单位冲击响应序列，对输入信号进行滤波，获得第i个滤波后信号；
适应度值计算单元，用于根据所述第i个滤波后信号、公式
其中，
所述三系水稻获取模块204具体包括：
适应度值序列获取单元，用于按照所述适应度值从大到小的顺序对n个所述水稻个体进行排序，获得适应度值序列；
保持系个体获取单元，用于获取所述适应度值序列中的前m个所述水稻个体为所述保持系个体；
不育系个体获取单元，用于获取所述适应度值序列中的后m个所述水稻个体为所述不育系个体；
恢复系个体获取单元，用于获取所述适应度值序列中剩余的n-2m个所述水稻个体为所述恢复系个体。
所述杂交最优个体获取模块205具体包括：
杂交父本获取单元，用于获取一个所述保持系个体作为杂交父本；
杂交母本获取单元，用于获取一个所述不育系个体作为杂交母本；
杂交新个体获取单元，用于根据所述杂交父本和所述杂交母本获得杂交产生的杂交新个体；
杂交新个体适应度值计算单元，用于获取所述杂交新个体的适应度值；
杂交最优个体获取单元，用于根据贪心算法将所述杂交父本、所述杂交母本和所述杂交新个体中适应度值最优的水稻个体保留至下一代，获得所述杂交最优个体。
所述自交最优个体获取模块206具体包括：
自交新个体获取单元，用于获取一个所述恢复系个体进行自交，获得自交产生的自交新个体；
自交新个体适应度值计算单元，用于获取所述自交新个体的适应度值；
自交最优个体获取单元，用于根据贪心算法将所述恢复系个体和所述自交新个体中适应度值最优的水稻个体保留至下一代，获得所述自交最优个体。
本发明提供的fir滤波器优化系统，首次将杂交水稻算法运用到fir滤波器中实现fir滤波器系数的优化，通过杂交水稻算法获得最优解，用该最优解作为现有技术中fir滤波器的最优单位冲击响应序列，从而获得fir滤波器的最优系数，解决了现有的fir滤波器优化方法寻优能力差、易陷入局部最优解、参数依赖性大的缺陷。杂交水稻的杂交、自交、重置操作，具有有寻优能力强、计算复杂度低、计算速度快、能跳出局部最优的能力，因此能提高fir滤波器的性能。与传统的优化算法相比，本文提出的fir滤波器优化系统为fir滤波器系数优化提供了一种新的有效的方法，具有寻优能力强、有跳出局部最优解的能力、计算复杂度低且参数依赖性小的特点，并且减少了寻优过程的迭代次数，大大缩短了求解时间。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。