Synthèse de filtres récursifs bidimensionnels basée sur l'algorithme PSO.

Abstract

يعد التقريب في حل المسائل عن طريق سرب الجسيمات خوارزمية تطورية تستخدم على نطاق واسع في الحل التقريبي للمسائل وتتميز بتقاربها السريع الذي يمكن أن يؤدي بها إلى الركود في أوضاع محلية للحلول. وفي هذه الدراسة، تم إنشاء خوارزمية جديدة تستعمل مجموعة اسراب لتصميم مرشحات ذات الاستجابة النبضية اللانهائية الثنائية الأبعاد. نعتمد فيها خوارزمية سرب الجسيمات القياسية مع استخدام استراتيجية جديدة حيث نقسم فضاء البحث الي مقاطعات وترفق كل مقاطعة بسرب حتى يكون البحث عن الحلول فعال بالإضافة للاستعمال نوعين من الاسراب واحد رئيسي واسراب أخرى ثانوية وبالفعل كانت نتائج هذه الاستراتيجية جيدة جدا وأثبتت فعاليتها في حل هذه المسالة

Particle Swarm Optimization (PSO) is an evolutionary algorithm widely used in optimization problems. It is characterized by a fast convergence, which can lead the algorithm to stagnate in local optima. In the present study, a new Multi-PSO algorithm for the design of two-dimensional infinite impulse response (IIR) filters is built. It is based on the standard PSO and uses a new initialization strategy. This strategy is relayed to two types of swarms: a principal and auxiliaries. To improve the performance of the algorithm, the search space is divided into several areas, which allows a best covering and leading to a better exploration in each zone separately. This solved the problem of fast convergence in standard PSO. The results obtained demonstrate the effectiveness of the Multi-PSO algorithm in the filter coefficients optimization.

L’optimisation par essaim de particules (OEP), ou (Particle Swarm Optimization (PSO)) en anglais, est un algorithme évolutionnaire largement utilisé dans les problèmes d'optimisation. Il se caractérise par sa convergence rapide, ce qui peut le conduire à stagner dans des optima locaux. Dans la présente étude, un nouvel algorithme Multi-PSO pour la conception de filtres à réponse impulsionnelle infinie bidimensionnelle (RII) est construit. Il est basé sur le PSO standard et utilise une nouvelle stratégie d'initialisation. Cette stratégie est relayée à deux types d’essaims : un principal et des auxiliaires. Pour améliorer les performances de l'algorithme, l'espace de recherche est divisé en plusieurs zones, ce qui permet une meilleure couverture et conduit à une meilleure exploration dans chaque zone séparément. Cela résolut le problème de la convergence rapide dans le PSO standard. Les résultats obtenus démontrent l'efficacité du Multi-PSO dans l'optimisation des coefficients de filtre.