手把手教你学Simulink--基于智能控制与机器学习的滤波器场景实例：遗传算法优化的FIR滤波器设计-CSDN博客

方法	流程	缺陷
窗函数法	理想滤波器 → 加窗 → 截断	性能受限于窗函数，难以精确控制纹波
最小二乘法	最小化频域误差	易受初始值影响，可能非全局最优
遗传算法 ✅	随机生成“种群” → 交叉/变异 → 淘汰劣解 → 进化出最优	全局搜索，多目标优化，无梯度依赖

2. 遗传算法优化FIR流程

plaintext

编辑

+---------------------+
|                     |
|  Initialize:         |
|  Random Filter Coeffs|
|  (Population)        |
+----------+----------+
           |
           v
+-----------------------------+
|                             |
|  Evaluate Fitness:           |
|  - Passband Ripple           |
|  - Stopband Attenuation      |
|  - Transition Width          |
|  - Phase Linearity           |
+----------+------------------+
           |
           v
+-----------------------------+
|                             |
|  Selection:                  |
|  Keep Best, Discard Worst    |
+----------+------------------+
           |
           v
+-----------------------------+
|                             |
|  Crossover & Mutation:       |
|  Breed New Generation        |
+----------+------------------+
           |
           v
      (Repeat until Convergence)
           |
           v
+---------------------+
|                     |
|  Optimal FIR Coeffs  |
|  (Chromosome)        |
+---------------------+
           |
           v
+---------------------+
|                     |
|  Deploy in Simulink  |
|  (Verify Performance)|
+---------------------+

✅ 关键：将FIR系数视为“染色体”，性能指标构成“适应度函数”，让算法“进化”出最优滤波器。

三、应用实例：抗窄带干扰的GA优化FIR低通滤波器

场景描述

信号：宽带通信信号（1-10kHz）
干扰：2个窄带干扰（7.2kHz, 8.5kHz），功率高于信号10dB
传统滤波器：固定截止频率的Butterworth，无法有效抑制特定频率干扰
目标：设计一个FIR低通滤波器，在保留1-6kHz信号的同时，深度抑制7-9kHz干扰

四、建模与实现步骤

第一步：定义优化问题（MATLAB）

1. 设计变量（染色体）

matlab

编辑

% FIR滤波器阶数
N = 32;  % 偶数阶，线性相位

% 设计变量：滤波器系数 h[0], h[1], ..., h[N]
% 在GA中表示为长度为 N+1 的向量

2. 适应度函数 `fitness_fir.m`

matlab

编辑

function fitness = fitness_fir(h)
    % 输入：FIR系数向量 h
    % 输出：适应度值（越大越好）
    
    % 归一化系数（能量约束）
    h = h / norm(h);
    
    % 计算频率响应
    [H, f] = freqz(h, 1, 1024, 'whole');
    H = abs(H(1:512));  % 取一半（0 ~ fs/2）
    f = f(1:512);
    
    % 设计目标
    f_pass = [0, 6000];     % 通带：0-6kHz
    f_stop1 = [7000, 7400]; % 阻带1：7-7.4kHz
    f_stop2 = [8400, 9000]; % 阻带2：8.4-9kHz
    
    % 提取各频段响应
    idx_pass = find(f >= f_pass(1) & f <= f_pass(2));
    idx_stop1 = find(f >= f_stop1(1) & f <= f_stop1(2));
    idx_stop2 = find(f >= f_stop2(1) & f <= f_stop2(2));
    
    H_pass = H(idx_pass);
    H_stop1 = H(idx_stop1);
    H_stop2 = H(idx_stop2);
    
    % 计算性能指标
    pass_ripple = max(H_pass) - min(H_pass);          % 通带纹波
    stop_atten1 = -20*log10(max(H_stop1));            % 阻带衰减1
    stop_atten2 = -20*log10(max(H_stop2));            % 阻带衰减2
    trans_width = mean(diff(f(idx_stop1(1):idx_pass(end)))); % 过渡带宽
    
    % 多目标加权（可调整权重）
    w1 = 1.0;  % 通带纹波权重
    w2 = 1.5;  % 阻带衰减权重
    w3 = 0.5;  % 过渡带权重
    
    % 适应度函数（越大越好）
    fitness = w2*(stop_atten1 + stop_atten2) - w1*pass_ripple - w3*trans_width;
    
    % 惩罚非线性相位（可选）
    % [gd, ~] = grpdelay(h, 1, 512);
    % if std(gd) > 5
    %     fitness = fitness - 10;  % 惩罚
    % end
end

第二步：运行遗传算法优化

matlab

编辑

% 设置GA选项
options = optimoptions('ga', ...
    'PopulationSize', 100, ...      % 种群大小
    'MaxGenerations', 200, ...      % 最大代数
    'MaxStallGenerations', 50, ...  % 停滞代数
    'CrossoverFraction', 0.8, ...   % 交叉率
    'MutationFcn', @mutationgaussian, ...
    'Display', 'iter');             % 显示迭代过程

% 变量上下界（系数范围）
lb = -2*ones(1, N+1);  % 下界
ub = 2*ones(1, N+1);   % 上界

% 运行优化
[best_h, best_fitness] = ga(@fitness_fir, N+1, [], [], [], [], lb, ub, [], options);

% 保存最优系数
save('optimal_fir_coeffs.mat', 'best_h', 'best_fitness');

第三步：在Simulink中验证性能

1. 搭建通信系统模型

plaintext

编辑

+---------------------+
|                     |
|  Signal Source        |
|  - Broadband Noise    |
|  - Sine (1-6kHz)      |
+----------+----------+
           |
           v
+-----------------------------+
|                             |
|  Interference Source         |
|  - 7.2kHz Sine (+10dB)       |
|  - 8.5kHz Sine (+10dB)       |
+----------+------------------+
           |
           v
+-----------------------------+
|                             |
|  Sum (Noisy Signal)          |
+----------+------------------+
           |
           v
+-----------------------------+
|                             |
|  FIR Filter (Discrete FIR)   |
|  Coefficients: best_h        |
+----------+------------------+
           |
           v
+---------------------+
|                     |
|  Clean Output        |
|  (Low THD, SNR↑)     |
+---------------------+