项目名称: 陷波频率精确可调的FIR稀疏多频陷波器设计算法研究

项目编号: No.61501324

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 无线电电子学、电信技术

项目作者: 徐微

作者单位: 天津工业大学

项目金额: 22万元

中文摘要: 陷波器在通信技术、生物工程、雷达声纳、测量仪器等领域的应用非常广泛,它可以有效滤除特定的极窄频段的频率成分干扰,而对该频段之外的信号高效传输。本项目将研究陷波频率精确可调的稀疏FIR多频陷波器的设计算法,首次提出将陷波频率精确可调性和抽头系数的稀疏性相结合,以达到同时降低FIR多频陷波器设计算法复杂度和硬件实现复杂度的目标。FIR多频陷波器抽头系数的稀疏性,在硬件实现上可大大减少加法器和乘法器数目,从而有效提高其运算速度、减小运算误差,同时降低其功耗和成本。但稀疏FIR滤波器的设计过程通常会涉及复杂的迭代运算和优化过程,具有较高的计算复杂度,而本项目中提出的陷波频率的精确可调性,使得当FIR多频陷波器的陷波频率发生变化时,可以利用已经设计好的稀疏原始滤波器,避免了重新设计整个滤波器,从而有效降低了设计算法的复杂度。本项目的研究对高性能、低功耗的FIR陷波器的设计提供了新的途径和技术参考。

中文关键词: 信号处理;稀疏表示

英文摘要: The notch filters that can effectively reject several selected spectral regions while providing high transmission at frequencies outside the rejected regions are widely used in communication systems, radar systems and biomedical signal processing area. In this proposal, the design problems of sparse FIR multiple notch filters with precisely tunable notch frequencies are studied. To reduce the computational complexity and hardware implementation complexity, a novel algorithm is proposed by using a mixture of the precise tuning of frequency properties and the sparsity of the impulse response. The sparse FIR multiple notch filters can significantly reduce the number of the adders and multipliers used in the hardware implementation, the calculation error, and the energy consumption, thus reducing production costs. However,the design of FIR sparse filter always involves iterative procedures and numerical optimization, which results a high computational complexity for the practice system. The precise tuning of frequency properties for the FIR multiple notch filter is a useful operation in the design of digital filters. Instead of designing the filter from scratch, the impulse response of the available filter can be reused. The tuning feature of our scheme reduces the computational complexity of designing the linear phase FIR multiple notch filters. This research has important theoretical and practical value in the implementation of FIR multiple notch filters with high performance and low power consumption。

英文关键词: signal processing;Sparse representation

成为VIP会员查看完整内容
0

相关内容

【AAAI2022】基于对比学习的预训练语言模型剪枝压缩
专知会员服务
27+阅读 · 2022年1月24日
专知会员服务
35+阅读 · 2021年9月12日
专知会员服务
35+阅读 · 2021年8月17日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
专知会员服务
24+阅读 · 2021年4月21日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
【干货书】机器学习优化,509页pdf
专知会员服务
146+阅读 · 2021年2月26日
专知会员服务
72+阅读 · 2020年12月7日
专知会员服务
42+阅读 · 2020年7月29日
工作几年了,还没成为“算法人上人”?
PaperWeekly
1+阅读 · 2022年1月14日
深度学习模型压缩算法综述
极市平台
1+阅读 · 2021年12月3日
【速览】IJCV 2021| 基于贝叶斯学习的紧凑1比特卷积神经网络(BONN)
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
你的算法可靠吗? 神经网络不确定性度量
专知
40+阅读 · 2019年4月27日
用缩放CNN消除反卷积带来的棋盘伪影
论智
19+阅读 · 2018年10月30日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
最新|深度离散哈希算法,可用于图像检索!
全球人工智能
14+阅读 · 2017年12月15日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
13+阅读 · 2021年10月22日
Arxiv
31+阅读 · 2020年9月21日
Arxiv
16+阅读 · 2020年5月20日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
小贴士
相关主题
相关VIP内容
【AAAI2022】基于对比学习的预训练语言模型剪枝压缩
专知会员服务
27+阅读 · 2022年1月24日
专知会员服务
35+阅读 · 2021年9月12日
专知会员服务
35+阅读 · 2021年8月17日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
专知会员服务
24+阅读 · 2021年4月21日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
【干货书】机器学习优化,509页pdf
专知会员服务
146+阅读 · 2021年2月26日
专知会员服务
72+阅读 · 2020年12月7日
专知会员服务
42+阅读 · 2020年7月29日
相关资讯
工作几年了,还没成为“算法人上人”?
PaperWeekly
1+阅读 · 2022年1月14日
深度学习模型压缩算法综述
极市平台
1+阅读 · 2021年12月3日
【速览】IJCV 2021| 基于贝叶斯学习的紧凑1比特卷积神经网络(BONN)
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
你的算法可靠吗? 神经网络不确定性度量
专知
40+阅读 · 2019年4月27日
用缩放CNN消除反卷积带来的棋盘伪影
论智
19+阅读 · 2018年10月30日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
最新|深度离散哈希算法,可用于图像检索!
全球人工智能
14+阅读 · 2017年12月15日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
13+阅读 · 2021年10月22日
Arxiv
31+阅读 · 2020年9月21日
Arxiv
16+阅读 · 2020年5月20日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
微信扫码咨询专知VIP会员