目前,滤波器在电子系统中已经成为一种不可或缺的组成部分,广泛应用于通信技术、图像识别、军事雷达、航空领域、医疗设备和语音等众多领域。卓越的信号处理能力使其具有越来越大的市场应用价值。模拟滤波器若要满足较高的精度或者多个技术指标,不仅设计过程复杂、元器件个数多,结构庞大,而且不一定能达到目标要求。随着电子计算机技术和大规模集成电路的不断发展,数字滤波器可用计算机软件或者大规模集成数字硬件实时实现。计算机技术的快速发展为数字滤波器的设计与实现创造了条件。但是,数字滤波器的功能要求不断提高,数字滤波器的结构越来越复杂,普通的设计方法很难满足要求。因此,借助计算机设计数字滤波器起到越来越重要的作用。近些年,许多研究者提出各种各样的算法应用于数字滤波器的设计。包括遗传算法(Genetic Algorithm,GA),模型退火算法(Simulate Anneal Arithmetic,SAA),禁忌搜索(Taboo Search,TS),蚁群最优化算法(Ant Colony Optimization,ACO),神经网络算法(Neural Network Algorithm,NEA)和人工免疫算法(Immune Clonal Selection Algorithm,ICSA)等等。但是这些方法都是先根据目标特性要求标定传输函数的系数,然后再考虑数字滤波器的结构,这种设计只保证了传输函数在系数标定阶段是最优的,但是在整个数字滤波器的设计过程中可能不是最优。本文主要提出一种基于演化算法的数字滤波器优化设计方法,利用遗传算法优化数字滤波器结构,在得到最优滤波器结构之后,再利用差分算法和步长变化算法优化滤波器系数,最终得到数字滤波器最优解。该方法能够根据目标特性要求直接设计数字滤波器结构,无需标定传输函数系数。本文主要进行以下几个方面的研究工作:(1)综述了数字滤波器设计方法,并着重阐述了数字滤波器的演化设计方法。(2)利用遗传算法设计数字滤波器结构。因为遗传算法的性能和效率主要由交叉率和突变率的取值决定,所以本文对这两个参数进行了深入的分析,并得出该算法最优的输入参数集。(3)利用差分算法和步长变化算法继续优化数字滤波器系数。与遗传算法优化结构所得实验结果进行比较,得出系数的优化对阻带最小衰减有明显的提高。(4)全文最后对研究内容进行总结并做出展望。通过本文的实验结果可以证明,基于演化算法的数字滤波器优化设计方法能够获得较好的实验效果。根据目标特性直接设计滤波器结构,无需滤波器阶数、传递函数等先验知识,为滤波器的设计提供了一种有效的设计方法,同时该方法也有广泛的适用性,可以解决其他类似的优化问题。