数字滤波器是数字信号处理的重要组件之一,其被广泛的用于控制系统、音频和视频处理系统、通信系统、图像处理系统等。其中,经典数字滤波器根据网络结构主要分为有限脉冲响应滤波器(Finite Impulse Response Filter, FIR)和无限脉冲响应滤波器(Infinite Impulse Response filter, IIR)。FIR滤波器因为极高的稳定性、易于具有严格的线性相位特性和易于设计实现而被优先的选择使用。FIR滤波器有很多设计和实现方法。其中最优设计法可设计出既有好的衰减特性又有好的边缘频率的FIR滤波器。最优FIR滤波器设计过程是在一定的优化准则下使用某种算法进行参数寻优的过程。近年来,很多学者对最优FIR滤波器设计问题进行了研究,其中采用群智能优化算法进行设计是一个很重要的方向并且取得了丰硕的成果。多元优化过程记忆算法(Multivariant Optimization process memorise Algorithm, MOA)是一种全新的群智能优化算法,该算法具有较强的解决非线性离散优化问题的能力。通过构造MOA结构体来充分利用现代计算机硬件资源的优势,MOA算法克服了诸如粒子群优化算法、蚁群优化算法、遗传优化算法等早期群智能优化算法受计算机内存容量和处理速度限制的缺点。MOA算法的主要思想是运用MOA结构体来实现搜索信息的共享和搜索过程的记忆,从而实现全局和局部搜索的交替进行,进而实现全局寻优。本文就是使用MOA算法来进行最优FIR滤波器设计的尝试。希望本文的研究能为最优FIR滤波器设计找到新思路和提供有意义的参考,同时丰富MOA这一新算法的应用领域。本文首先分析了FIR滤波器的特性,介绍了最优FIR滤波器的设计准则,讨论了用窗函数设计法和参数辨识设计法设计FIR滤波器的局限性。进而引入MOA最优FIR滤波器设计算法,对影响MOA最优FIR滤波器设计算法寻优特性的参数作了反复的试验和详细的讨论。最后,将MOA最优FIR滤波器设计算法运用于四种类型的FIR滤波器的最优设计,取得了较为满意的设计效果；通过对比遗传算法和粒子群算法,验证了MOA最优FIR滤波器设计算法的可行性、稳定性和设计优势。