遗传算法加权中值滤波器的优化设计

摘要

当测试数据中随机干扰满足高斯分布时,可以采用线性滤波器进行信号处理得到所要求的有用信号.而当随机干扰为非高斯分布时,则必须采用非线性的信号处理方法才能获得所要求的有用信号.这里讨论一类非线性滤波器——加权中值滤波器的最优设计问题.取损失函数为绝对误差的数学期望值,采用实数值编码多子种群的标准遗传算法来极小化损失函数.由于遗传算法:是用点群进行寻优,而不是用一个单点进行寻优,具有隐含并行算法的特点;群体在每一代的进化过程中执行同样的复制、交叉、变异操作,仅使用问题本身所对应的适应度函数,而不需要任何其它先决条件或辅助信息;遗传算法使用随机转换规则,而不是确定性规则进行运算.遗传算法作为一类全局最优算法,它所得到的加权中值滤波器也是全局最优的.数值计算结果表明,采用遗传算法可以得到更小的绝对误差平均值,且优于LMA算法.