通過仿真，可以和與文獻[2]中的算法相比較。在這里以例1中的情形為例，兩種方法各運行10次，取最后得到的最小阻帶衰減(單位：dB)和程序的運行時間(單位：s)來比較：
文獻[2]中的算法：

兩者相比較可得，雖然在運行時間上本文的算法遜于文獻[2]中的算法，但這個運行時間本身也僅0．5 s左右，是可以接受的。在性能上本文的算法得出的結果幾乎都在-190 dB左右，而文獻E23中算法得出的結果則在-77～-93 dB之間波動，因此可以說用本文的算法可以得到更好、更穩定的最小阻帶衰減。

5 結 語
本文提出了一種基于經優化算法優化過的神經網絡設計FIR濾波器的方法。這一方法的特點是先用類似BP網絡的方法調整神經網絡權值，再用模擬退火技術進行優化，獲取更好的FIR濾波器的脈沖響應，從而完成濾波器的設計。由文中給出的兩個范例可以看出，設計濾波器的幅頻響應在通帶與阻帶范圍均無過沖現象，衰耗特性好，阻帶最小衰減在190 dB以上，通帶沒有衰減。而且這種方法可以輕松地實現低通、高通、帶通、帶阻FIR濾波器的設計，程序運行時間均在0．5 s左右，是一種十分有效的設計方法。當然此算法也有改進的余地，比如在算法中過渡帶的選取都是0．25和0．78。而事實上，對于不同的幅頻特性，過渡點的選取可影響到最終設計的FIR濾波器的性能。通過優化過渡點的位置，可以使FIR濾波器的幅頻特性在過渡點處更為平滑，并且有更好的最好阻帶衰減。比如在文獻[9]中，就有用遺傳算法優化過渡點的方法。