ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا استفاده هم زمان از فیلترهای وفقی و شبکه های عصبی در حالت فرکانس متغیر

ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا استفاده هم زمان از فیلترهای وفقی و شبکه های عصبی در حالت فرکانس متغیر - تاکنون برای حذف نویزهای آکوستیکی از روش های فعال1 و غیر فعال2استفاده شده است برخلاف روش غیر فعال می‌توان بوسیله‌ی روش فعال، نویز را در فرکانس های پایین (زیر 500 هرتز)، حذف و یا کاهش داد

---

ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا استفاده هم زمان از فیلترهای وفقی و شبکه های عصبی در حالت فرکانس متغیر

چکیده
تاکنون برای حذف نویزهای آکوستیکی از روش های فعال[1] و غیر فعال[2]استفاده شده است. برخلاف روش غیر فعال می‌توان بوسیله‌ی روش فعال، نویز را در فرکانس های پایین (زیر 500 هرتز)، حذف و یا کاهش داد. در روش فعال از سیستمی استفاده می شود که شامل یک فیلتر وفقی است. به دلیل ردیابی خوب فیلتر [3]LMS در محیط نویزی، الگوریتم FXLMS[4] بعنوان روشی پایه ارائه شده است. اشکال الگوریتم مذکور این است که در مسائل کنترل خطی استفاده می شود. یعنی اگر فرکانس نویز متغیر باشد و یا سیستم کنترلی بصورت غیرخطی کار کند، الگوریتم فوق به خوبی کار نکرده و یا واگرا می شود.
بنابراین در این پایان نامه، ابتدا به ارائه ی گونه ای از الگوریتم FXLMS می پردازیم که قابلیت حذف نویز، با فرکانس متغیر، در یک مجرا و در کوتاه‌ترین زمان ممکن را دارد. برای دستیابی به آن می توان از یک گام حرکت وفقی بهینه () در الگوریتم FXLMS استفاده کرد. به این منظور محدوده ی گام حرکت بهینه در فرکانس های 200 تا 500 هرتز را در داخل یک مجرا محاسبه کرده تا گام حرکت بهینه بر حسب فرکانس ورودی به صورت یک منحنی اسپلاین مدل شود. حال با تخمین فرکانس سیگنال ورودی به صورت یک منحنی اسپلاین مدل شود. حال با تخمین فرکانس سیگنال ورودی بوسیله ی الگوریتم MUSIC[5] ، را از روی منحنی برازش شده، بدست آورده و آن را در الگوریتم FXLMS قرار می‌دهیم تا همگرایی سیستم در کوتاه‌ترین زمان، ممکن شود. در نهایت خواهیم دید که الگوریتم FXLMS معمولی با گام ثابت با تغییر فرکانس واگرا شده حال آنکه روش ارائه شده در این پایان نامه قابلیت ردگیری نویز با فرکانس متغیر را فراهم می آورد.
همچنین‌به دلیل‌ماهیت غیرخطی سیستم‌های‌ANC ، به ارائه‌ی نوعی شبکه‌ی عصبی‌ RBF TDNGRBF ) [6] ( می‌پردازیم که توانایی مدل کردن رفتار غیرخطی را خواهد داشت. سپس از آن در حذف نویز باند باریک فرکانس متغیر در یک مجرا استفاده کرده و نتایج آن را با الگوریتم FXLMS مقایسه می کنیم. خواهیم دید که روش ارائه شده در مقایسه با الگوریتم FXLMS، با وجود عدم نیاز به تخمین مسیر ثانویه، دارای سرعت همگرایی بالاتر (3 برابر) و خطای کمتری (30% کاهش خطا) است. برای حذف فعال نویز به روش TDNGRBF، ابتدا با یک شبکه ی GRBF به شناسایی مجرا می‌پردازیم. سپس با اعمال N تاخیر زمانی از سیگنال ورودی به N شبکه ی GRBF (با ترکیب خطی در خروجی آنها)، شناسایی سیستم غیرخطی بصورت بر خط امکان پذیر می شود. ضرایب بکار رفته در ترکیب خطی با استفاده از الگوریتم [7]NLMS بهینه می شوند.


[1] -Active
[2] -passive
[3] -Least mean square
4- Filter- x LMS
5 -Multiple signal classification
6 -Time Delay N- Generalized Radial Basis Function
[7] -Normalized LMS

فهرست مطالب
عنوانصفحه چکیده فصل صفر: مقدمه1 2 فصل اول: مقدمه ای بر کنترل نویز آکوستیکی7 1-1) مقدمه8 1-2) علل نیاز به کنترل نویزهای صوتی (فعال و غیر فعال)9 1-2-1) بیماری های جسمی9 1-2-2) بیماری های روانی9 1-2-3) راندمان و کارایی افراد9 1-2-4) فرسودگی9 1-2-5) آسایش و راحتی9 1-2-6 جنبه های اقتصادی10 1-3) نقاط ضعف کنترل نویز به روش غیرفعال10 1-3-1) کارایی کم در فرکانس های پایین10 1-3-2) حجم زیاد عایق های صوتی10 1-3-3) گران بودن عایق های صوتی10 1-3-4) محدودیت های اجرایی10 1-3-5) محدودیت های مکانیکی10 1-4) نقاط قوت کنترل نویز به روش فعال11 1-4-1) قابلیت حذف نویز در یک گسترده ی فرکانسی وسیع11 1-4-2) قابلیت خود تنظیمی سیستم11 1-5) کاربرد ANC در گوشی فعال11 1-5-1) تضعیف صدا به روش غیر فعال در هدفون12 1-5-2) تضعیف صدا به روش آنالوگ در هدفون13 1-5-3) تضعیف صوت به روش دیجیتال در هدفون15 1-5-4) تضعیف صوت به وسیله ی ترکیب سیستم های آنالوگ و دیجیتال در هدفون16 1-6) نتیجه گیری17 فصل دوم: اصول فیلترهای وفقی18 2-1) مقدمه19 2-2) فیلتر وفقی20 2-2-1) محیط های کاربردی فیلترهای وفقی22 2-3) الگوریتم های وفقی25 2-4) روش تحلیلی25 2-4-1) تابع عملکرد سیستم وفقی26 2-4-2) گرادیان یا مقادیر بهینه بردار وزن28 2-4-3) مفهوم بردارها و مقادیر مشخصه R روی سطح عملکرد خطا30 2-4-4) شرط همگرا شدن به٭ W32 2-5) روش جستجو32 2-5-1) الگوریتم جستجوی گردایان32 2-5-2) پایداری و نرخ همگرایی الگوریتم35 2-5-3) منحنی یادگیری36 2-6) MSE اضافی36 2-7) عدم تنظیم37 2-8) ثابت زمانی37 2-9) الگوریتم LMS38 2-9-1) همگرایی الگوریتم LMS39 2-10) الگوریتم های LMS اصلاح شده40 2-10-1) الگوریتم LMS نرمالیزه شده (NLMS)41 2-10-2) الگوریتم های وو LMS علامتدار وو (SLMS)41 2-11) نتیجه گیری43 فصل سوم: اصول کنترل فعال نویز44 3-1) مقدمه 45 3-2) انواع سیستم های کنترل نویز آکوستیکی 45 3-3) معرفی سیستم حذف فعال نویز تک کاناله 47 3-4) کنترل فعال نویز به روش پیشخور 48 3-4-1) سیستم ANC پیشخور باند پهن تک کاناله49 3-4-2) سیستم ANC پیشخور باند باریک تک کاناله50 3-5) سیستم های ANC پسخوردار تک کاناله51 3-6) سیستم های ANC چند کاناله52 3-7) الگوریتم هایی برای سیستم های ANC پسخوردار باند پهن53 3-7-1) اثرات مسیر ثانویه54 3-7-2) الگوریتم FXLMS57 3-7-3) اثرات فیدبک آکوستیکی61 3-7-4) الگوریتم Filtered- URLMS66 3-8) الگوریتم های سیستم ANC پسخوردار تک کاناله69 3-9) نکاتی درباره ی طراحی سیستم های ANC تک کاناله70 3-9-1) نرخ نمونه برداری و درجه ی فیلتر72 3-9-2) علیت سیستم73 3-10) نتیجه گیری74 فصل چهارم: شبیه سازی سیستم ANC تک کاناله75 4-1) مقدمه76 4-2) اجرای الگوریتم FXLMS76 4-2-1) حذف نویز باند باریک فرکانس ثابت76 4-2-2) حذف نویز باند باریک فرکانس متغیر81 4-3) اجرای الگوریتم FBFXLMS83 4-4) نتیجه گیری85 فصل پنجم: کنترل غیرخطی نویز آکوستیکی در یک ماجرا86 5-1) مقدمه87 5-2) شبکه عصبی RBF88 5-2-1) الگوریتم آموزشی در شبکه ی عصبی RBF90 5-2-2) شبکه عصبی GRBF93 5-3) شبکه ی TDNGRBF94 5-4) استفاده از شبکه ی TDNGRBF در حذف فعال نویز95 5-5) نتیجه گیری98 فصل ششم: نتیجه گیری و پیشنهادات99 6-1) نتیجه گیری100 6-2) پیشنهادات101 مراجعI

قیمت فقط16,000 تومان پرداخت و دانلود

مشخصات فروشنده

نام و نام خانوادگی : مهدی حیدری

شماره تماس : [phone]

ایمیل :[e-mail]

سایت :sellu.ir

مشخصات فایل

فرمت : doc

تعداد صفحات : 110

قیمت : 16,000 تومان

حجم فایل : 7415 کیلوبایت

برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...

پرداخت و دانلودگزارش خرابی و شکایت از فایل