基于IALO-HBP神经网络的超宽带滤波器逆向建模方法

摘要：

针对双陷波超宽带滤波器使用后向传输(BP)神经网络逆向建模存在精度较低、收敛慢、稳定性不强等问题,提出一种用改进的蚁狮算法(IALO)结合Huber函数优化BP神经网络逆向建模的方法.该方法通过将边界收缩因子连续化,引入动态更新系数以及加入柯西变异来实现对蚁狮算法的改进,并用改进的蚁狮算法优化正向模型的权值,加快建模速度,然后使用Huber函数作为神经网络的评价函数,提高了模型的精度和稳定度.将此方法用于双陷波超宽带滤波器中,实验结果表明,对比BP逆向建模方法,此方法求得的长度、宽度和频率均方误差分别减小了 97.44％、99.43％和96.15％,平均运行时间缩短了 66.01％,解决了逆向建模的多解问题,提高了设计滤波器的速度和精度.

关键词：神经网络逆向建模、双陷波超宽带滤波器、改进的蚁狮算法、Huber函数

所属期刊栏目：59

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金61971210

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：430-438