[论文解读] Iterative Design of L_p Digital Filters

Ricardo A. Vargas, C.S. Burrus|arXiv (Cornell University)|Jul 19, 2012

Digital Filter Design and Implementation参考文献 29被引用 4

一句话总结

本文提出了一种基于迭代重加权最小二乘法（IRLS）的框架，用于使用 $l_p$ 范数（$2 < p < ∞$）设计FIR和IIR数字滤波器，包括 $l_\infty$（极小极大）设计。该方法通过连续加权 $l_2$ 优化，高效逼近最优的 $l_p$ 解，实现灵活、鲁棒且高效的滤波器设计，支持频带特定的范数，并在传统工具基础上实现了更优的收敛性。

ABSTRACT

The design of digital filters is a fundamental process in the context of digital signal processing. The purpose of this paper is to study the use of $\lp$ norms (for $2 &lt; p &lt; \infty$) as design criteria for digital filters, and to introduce a set of algorithms for the design of Finite (FIR) and Infinite (IIR) Impulse Response digital filters based on the Iterative Reweighted Least Squares (IRLS) algorithm. The proposed algorithms rely on the idea of breaking the $\lp$ filter design problem into a sequence of approximations rather than solving the original $\lp$ problem directly. It is shown that one can efficiently design filters that arbitrarily approximate a desired $\lp$ solution (for $2 &lt; p &lt; \infty$) including the commonly used $l_\infty$ (or minimax) design problem. A method to design filters with different norms in different bands is presented (allowing the user for better control of the signal and noise behavior per band). Among the main contributions of this work is a method for the design of {\it magnitude} $\lp$ IIR filters. Experimental results show that the algorithms in this work are robust and efficient, improving over traditional off-the-shelf optimization tools. The group of proposed algorithms form a flexible collection that offers robustness and efficiency for a wide variety of digital filter design applications.

研究动机与目标

• 开发一种灵活且高效的算法框架，以 $l_p$ 范数作为优化准则，用于数字滤波器设计。
• 将成熟的 $l_p$ FIR 滤波器设计方法扩展至更为复杂的 IIR 滤波器情形。
• 实现用户可控制的频带内范数选择，从而在多带应用中改善信噪特性。
• 通过将 IRLS 适配至非线性、有理逼近问题，解决 $l_p$ IIR 滤波器设计的固有困难。
• 提供一种鲁棒、模块化且可扩展的实现，其性能优于现成的优化工具。

提出的方法

• 该方法使用迭代重加权最小二乘法（IRLS）算法，通过迭代逼近加权 $l_2$ 最小化来求解 $l_p$ 滤波器设计问题。
• 在每次迭代中，根据当前滤波器响应更新权重，以突出误差较大的区域，从而推动收敛至 $l_p$ 解。
• 该方法将非凸的 $l_p$ 问题分解为一系列凸的、加权的 $l_2$ 子问题，确保数值稳定性和收敛性。
• 对于 IIR 滤波器，该方法将线性的 $l_2$ 子问题替换为非线性的、加权的 $l_2$ 优化，结合了拟线性化和相位更新等技术。
• 该算法具有模块化设计，便于集成新组件，如自适应权重更新和部分参数更新。
• 引入了三阶段设计流程以提升鲁棒性和效率，各阶段采用量身定制的初始猜测。

实验结果

研究问题

• RQ1 尽管存在更高的非线性和复杂性，IRLS 框架能否有效从 $l_p$ FIR 滤波器设计扩展至 $l_p$ IIR 滤波器设计？
• RQ2 如何在不同频带灵活应用 $l_p$ 范数，以在多带信号处理中提升滤波器性能？
• RQ3 对标准 IRLS 算法需进行哪些修改，以确保在有理（IIR）滤波器逼近中的收敛性和鲁棒性？
• RQ4 与传统优化工具相比，该方法在速度、精度和收敛可靠性方面能提升多少？
• RQ5 该方法能否高效处理如具有灵活过渡带的约束最小二乘法（CLS）等约束设计问题？

主要发现

• 所提出的基于 IRLS 的算法在 $l_p$ FIR 和 IIR 滤波器设计中表现出鲁棒且高效的性能，即使在标准工具失效的困难情况下也能实现收敛。
• 通过迭代求解 $p$ 趋近于无穷大的 $l_p$ 问题，该方法成功逼近了 $l_\infty$（极小极大）设计。
• 频带特定的 $p$-范数可通过极少的算法修改实现，从而实现对频带内误差分布的定制化控制。
• 对于 IIR 滤波器，内部 $l_2$ 子问题在完成若干 $p$-步后，平均仅需一到几次迭代，保持了计算效率。
• 与现成的优化工具相比，该算法表现出更优的性能，尤其在处理紧约束和非均匀采样方面。
• 模块化设计使得未来在 $l_p$ 优化方面的改进可轻松扩展和集成，显著提升了长期适应性。