趙安新　陳明　張鐘華　劉君華

摘要：針對標準粒子群優(yōu)化算法在求解復雜多模問題時容易陷入局部極值點和有限沖擊響應數(shù)字濾波器（F1R DF）設(shè)計時減少誤差的問題，將綜合學習粒子群優(yōu)化算法（CLPSO）應用于FIR DF設(shè)計中，CLPSO在每一代更新中采用所有粒子全局最優(yōu)值代替粒子本身的個體歷史最優(yōu)值，當粒子停止更新時，重置粒子最優(yōu)值，保證粒子學習最優(yōu)和在錯誤方向上花費最少計算時間，數(shù)值結(jié)果顯示，在滿足算法復雜度、計算時間、逼近誤差等設(shè)計指標的前提下，CLPSO在低通和高通頻率采樣法FIR DF設(shè)計中比傳統(tǒng)查表法、遺傳算法和標準粒子群優(yōu)化算法具有一定的優(yōu)勢。