为有效提高有限冲激响应FIR(FiniteImpulseResponse)高阶数字滤波器优化设计速度和精度,根据FIR线性相位滤波器的幅频特性,提出了一种基于激励矩阵为Hd-CTW的神经网络算法。该算法的主要思想是用神经网络算法优化设计的FIR滤波器的幅频特性与理想滤波器的幅频特性在整个通带和阻带范围内的误差平方和为最小,算法不涉及逆矩阵运算。为了保证该算法的收敛性,提出并证明了神经网络算法的收敛性定理,为神经网络学习率的选择提供了理论依据。该算法的主要特点是可实现样本集数据的并行训练,有效提高