在多速率信号处理系统中,余弦调制滤波器组(CMFB)是最重要的基础模块之一,其设计原理简单、易于实现,广泛应用于移动通讯、图像处理和雷达等领域中。由于高精度的非稀疏余弦调制滤波器组需要的抽头系数数量庞大,导致在硬件设计中对应的加法、乘法器等器件运算耗费巨大,且系统延时和实现复杂度高。针对这一问题,本文提出了两种近似完全重建的稀疏FIR余弦调制滤波器组的设计方法,通过减少原型滤波器非零系数个数,有效地降低硬件实现成本。本文的主要工作如下:(1)提出了一种基于Hopfield神经网络(HNN)的稀疏FIR余弦调制滤波器组的设计方法。首先根据Hopfield神经网络结构和余弦调制滤波器组设计要求,将李雅普诺夫能量函数与余弦调制滤波器组的误差函数对应。然后利用正交匹配追踪(OMP)算法得到原型滤波器的非零系数位置,并将其对应的系数集合输入到Hopfield神经网络中进行训练,当Hopfield神经网络的能量函数达到收敛状态时,即原型滤波器的误差函数实现最小化,通过对Hopfield神经网络的输出电压根据非零系数位置进行零填充,即得到构造的最优稀疏原型滤波器系数。最后通过余弦调制得到稀疏的余弦调制滤波器组。从仿真实验结果的比较分析可以看出该方法能够设计出满足近似完全重建的稀疏余弦调制滤波器组。(2)提出了一种基于量子粒子群优化算法的稀疏FIR余弦调制滤波器组的设计方法。首先利用正交匹配追踪算法求解得到原型滤波器的非零系数位置。然后通过量子粒子群算法优化位置集合对应的原型滤波器非零系数,使目标函数误差值最小化。最后通过余弦调制得到稀疏余弦调制滤波器组。通过仿真实验结果对比分析可知,此方法设计的余弦调制滤波器组在满足近似完全重建特性的同时还具有良好的稀疏度。