在当今发达的信息社会里,人们所获取的信息量在急剧增加,因此就需要高性能的信息处理手段对所获取的信息进行处理,以服务社会及个人需求。随着数字信号处理技术的飞速发展,信息处理手段正以各种形式渗透到其他学科,形成交叉学科应用。在工业领域中,数字滤波器作为数字信号处理的核心,正受到人们的普遍关注。在数字信号处理领域中,无论是信号的提取、传输,还是信号的恢复都离不开数字滤波器的应用,它对信号的安全传输与灵活处理都是必不可少的。在所有的电子系统中,数字滤波器是系统中技术最复杂的部分,数字滤波器作为电子产品的核心,其设计的优劣直接决定产品质量的好坏。由于非递归数字滤波器也称为有限长单位脉冲响应数字滤波器(Finite Impulse Response,FIR)具有严格的线性相频特性,在幅频上可以进行各种设计,能进行多通带与多阻带的设计。FIR数字滤波器的单位响应序列长度是有限长的,这样能够保证该滤波器系统是稳定,使得FIR数字滤波器具有广泛的应用领域和研究前景。在实际的工业设计中经常会遇到各类的优化问题,许多问题的精确处理最后都可以转化成优化问题得以解决。而FIR数字滤波器设计就是其单位响应序列的设计,其设计核心即是数字滤波器系数优化。为了对各类优化问题进行精确处理,人们启发于仿生原理提出了遗传优化算法、蚁群优化算法、粒子群优化算法等算法应用于优化问题。其中粒子群算法(Particle Swarm Optimization,PSO)是模拟鸟群社会行为的群体搜索算法,由于其算法原理简单、收敛速度快、参数易于设置等特点引起研究者们的重视,并且在实际工业问题解决中展示了该算法的高效性。近年来,随着进化算法和群智能理论的发展,粒子群算法被引入到数字滤波器的辅助设计中,并在实际应用中,体现了良好的效能。针对传统设计方法在设计FIR数字滤波器过程中出现的精确度不高、边带频率难以确定等缺陷,本文采用粒子群算法及其改进算法对FIR数字滤波器的参数进行优化设计。首先对粒子群算法的惯性权重、加速因子等参数进行了讨论,分别分析了线性权重和非线性权重两种不同参数选择对优化算法性能的影响,并对算法的其他相关优化参数进行了讨论,然后将混沌理论引入到非线性权重粒子群算法中,提出了非线性权重混沌粒子群算法并采用该方法对FIR数字滤波器进行优化设计。最后,对基于非线性权重混沌粒子群算法设计的FIR数字滤波器进行仿真,结果表明相比于传统滤波器的设计方法,采用基于非线性权重混沌粒子群算法设计的FIR数字滤波器具有更好的逼近特性、算法收敛性和FIR滤波器设计效果。