通过仿真，可以和与文献[2]中的算法相比较。在这里以例1中的情形为例，两种方法各运行10次，取最后得到的最小阻带衰减(单位：dB)和程序的运行时间(单位：s)来比较：
    文献[2]中的算法：

    
    两者相比较可得，虽然在运行时间上本文的算法逊于文献[2]中的算法，但这个运行时间本身也仅0．5 s左右，是可以接受的。在性能上本文的算法得出的结果几乎都在-190 dB左右，而文献E23中算法得出的结果则在-77～-93 dB之间波动，因此可以说用本文的算法可以得到更好、更稳定的最小阻带衰减。

5 结 语
    本文提出了一种基于经优化算法优化过的神经网络设计FIR滤波器的方法。这一方法的特点是先用类似BP网络的方法调整神经网络权值，再用模拟退火技术进行优化，获取更好的FIR滤波器的脉冲响应，从而完成滤波器的设计。由文中给出的两个范例可以看出，设计滤波器的幅频响应在通带与阻带范围均无过冲现象，衰耗特性好，阻带最小衰减在190 dB以上，通带没有衰减。而且这种方法可以轻松地实现低通、高通、带通、带阻FIR滤波器的设计，程序运行时间均在0．5 s左右，是一种十分有效的设计方法。当然此算法也有改进的余地，比如在算法中过渡带的选取都是0．25和0．78。而事实上，对于不同的幅频特性，过渡点的选取可影响到最终设计的FIR滤波器的性能。通过优化过渡点的位置，可以使FIR滤波器的幅频特性在过渡点处更为平滑，并且有更好的最好阻带衰减。比如在文献[9]中，就有用遗传算法优化过渡点的方法。