基于镜像阈值分解的层叠滤波器优化设计及实现研究

层叠滤波器作为一种重要的非线性滤波器，在诸多领域获得了广泛应用。基于镜像阈值分解的层叠滤波器是近年来出现的一种颇具应用潜力的新型层叠滤波器，由于计算的复杂性，其优化设计问题成为该研究领域的技术难题，至今未得到很好解决。本项目在研究传统层叠滤波器现有理论、优化算法基础上，采用最小均方误差(MMSE)和最小平均绝对误差(MMAE)等优化准则,并引入自适应邻域加权策略，利用最新的仿生优化理论和技术，包括粒子群算法、克隆选择算法和人工免疫算法等，系统深入地研究基于镜像阈值分解的层叠滤波器优化设计问题。对其优化结果进行评价，给出改进方案，提出新颖高效的层叠滤波器优化算法；并基于FPGA和镜像阈值分解技术，设计实现最优层叠滤波器的逻辑结构和硬件仿真系统。为最优层叠滤波技术的研究提供一种崭新的方法。本项目的研究成果将在信号和图像处理等领域获得广泛应用，对非线性滤波器理论和技术的发展会产生积极的推动作用。