Design of IIR filters with canonical signed-digit (CSD) coefficients using genetic algorithms.
Notice bibliographique
Résumé
In this thesis, an optimization method is used in the design of 1-D IIR digital filters, doubly complementary filter pairs and 2-D IIR digital filters. This method uses genetic algorithm (GA) to minimize the mean square error between the desired and the designed filter responses in order to calculate the coefficients of the filter's transfer function. The 1-D IIR filters are designed using cascade structure, and constraints are imposed on the coefficients of the denominator polynomials to ensure stability. In the one-dimensional case, the method is also used to design doubly complementary filter pairs, in which case two filters that are both all-pass complementary and power complementary are designed at the cost of one filter. Based on the same stability criterion, an optimization method is presented for the design of 2-D IIR digital filters with non-separable numerator and separable denominator transfer functions. The advantage of the proposed method is that it produces filters with Canonical Signed-Digit (CSD) coefficients, which not only eliminates the quantization process in digital filter design but also make the designed filter more efficient for high speed DSP applications. Design examples of 1-D IIR filters, doubly complementary filter pairs and 2-D IIR filters are provided in order to demonstrate the usefulness of the presented method.Dept. of Electrical and Computer Engineering. Paper copy at Leddy Library: Theses & Major Papers - Basement, West Bldg. / Call Number: Thesis2003 .L555. Source: Masters Abstracts International, Volume: 42-03, page: 1014. Adviser: M. A. Sid-Ahmed. Thesis (M.A.Sc.)--University of Windsor (Canada), 2003.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».