صفحه محصول - ارائه روش جديد جهت حذف نويز آكوستيكي در يك مجرا استفاده هم زمان از فيلترهاي وفقي و شبكه هاي عصبي در

  • صفحه اصلی
  • مباحث رشته ها
  • برق ، الکترونیک و مخابرات
  • نمایش فایل
تاكنون براي حذف نويزهاي آكوستيكي از روش هاي فعال و غير فعال استفاده شده است. برخلاف روش غير فعال مي‌توان بوسيله‌ي روش فعال، نويز را در فركانس هاي پايين (زير 500 هرتز)، حذف و يا كاهش داد. در روش فعال از سيستمي استفاده مي شود كه شامل يك فيلتر وفقي است. به دليل رديابي خوب فيلتر LMS در محيط نويزي، الگوريتم FXLMS بعنوان روشي پايه ارائه شده است. اشكال الگوريتم مذكور اين است كه در مسائل كنترل خطي استفاده مي شود. يعني اگر فركانس نويز متغير باشد و يا سيستم كنترلي بصورت غيرخطي كار كند، الگوريتم فوق به خوبي كار نكرده و يا واگرا مي شود.
بنابراين در اين پايان نامه، ابتدا به ارائه ي گونه اي از الگوريتم FXLMS مي پردازيم كه قابليت حذف نويز، با فركانس متغير، در يك مجرا و در كوتاه‌ترين زمان ممكن را دارد. براي دستيابي به آن مي توان از يك گام حركت وفقي بهينه ( ) در الگوريتم FXLMS استفاده كرد. به اين منظور محدوده ي گام حركت بهينه در فركانس هاي 200 تا 500 هرتز را در داخل يك مجرا محاسبه كرده تا گام حركت بهينه بر حسب فركانس ورودي به صورت يك منحني اسپلاين مدل شود. حال با تخمين فركانس سيگنال ورودي به صورت يك منحني اسپلاين مدل شود. حال با تخمين فركانس سيگنال ورودي بوسيله ي الگوريتم MUSIC ، را از روي منحني برازش شده، بدست آورده و آن را در الگوريتم FXLMS قرار مي‌دهيم تا همگرايي سيستم در كوتاه‌ترين زمان، ممكن شود. در نهايت خواهيم ديد كه الگوريتم FXLMS معمولي با گام ثابت با تغيير فركانس واگرا شده حال آنكه روش ارائه شده در اين پايان نامه قابليت ردگيري نويز با فركانس متغير را فراهم مي آورد.
همچنين‌به دليل‌ماهيت غيرخطي سيستم‌هاي‌ANC ، به ارائه‌ي نوعي شبكه‌ي عصبي‌ RBF TDNGRBF ) ( مي‌پردازيم كه توانايي مدل كردن رفتار غيرخطي را خواهد داشت. سپس از آن در حذف نويز باند باريك فركانس متغير در يك مجرا استفاده كرده و نتايج آن را با الگوريتم FXLMS مقايسه مي كنيم. خواهيم ديد كه روش ارائه شده در مقايسه با الگوريتم FXLMS، با وجود عدم نياز به تخمين مسير ثانويه، داراي سرعت همگرايي بالاتر (3 برابر) و خطاي كمتري (30% كاهش خطا) است. براي حذف فعال نويز به روش TDNGRBF، ابتدا با يك شبكه ي GRBF به شناسايي مجرا مي‌پردازيم. سپس با اعمال N تاخير زماني از سيگنال ورودي به N شبكه ي GRBF (با تركيب خطي در خروجي آنها)، شناسايي سيستم غيرخطي بصورت بر خط امكان پذير مي شود. ضرايب بكار رفته در تركيب خطي با استفاده از الگوريتم NLMS بهينه مي شوند.

فهرست مطالب
عنوان صفحه
چكيده 
فصل صفر: مقدمه 
1
2
فصل اول: مقدمه اي بر كنترل نويز آكوستيكي 7
1-1) مقدمه 8
1-2) علل نياز به كنترل نويزهاي صوتي (فعال و غير فعال) 9
1-2-1) بيماري هاي جسمي 9
1-2-2) بيماري هاي رواني 9
1-2-3) راندمان و كارايي افراد 9
1-2-4) فرسودگي 9
1-2-5) آسايش و راحتي 9
1-2-6 جنبه هاي اقتصادي 10
1-3) نقاط ضعف كنترل نويز به روش غيرفعال 10
1-3-1) كارايي كم در فركانس هاي پايين 10
1-3-2) حجم زياد عايق هاي صوتي 10
1-3-3) گران بودن عايق هاي صوتي 10
1-3-4) محدوديت هاي اجرايي 10
1-3-5) محدوديت هاي مكانيكي 10
1-4) نقاط قوت كنترل نويز به روش فعال 11
1-4-1) قابليت حذف نويز در يك گسترده ي فركانسي وسيع 11
1-4-2) قابليت خود تنظيمي سيستم 11
1-5) كاربرد ANC در گوشي فعال 11
1-5-1) تضعيف صدا به روش غير فعال در هدفون 12
1-5-2) تضعيف صدا به روش آنالوگ در هدفون 13
1-5-3) تضعيف صوت به روش ديجيتال در هدفون 15
1-5-4) تضعيف صوت به وسيله ي تركيب سيستم هاي آنالوگ و ديجيتال در هدفون 16
1-6) نتيجه گيري 17

فصل دوم: اصول فيلترهاي وفقي 
18
2-1) مقدمه 19
2-2) فيلتر وفقي 20
2-2-1) محيط هاي كاربردي فيلترهاي وفقي 22
2-3) الگوريتم هاي وفقي 25
2-4) روش تحليلي 25
2-4-1) تابع عملكرد سيستم وفقي 26
2-4-2) گراديان يا مقادير بهينه بردار وزن 28
2-4-3) مفهوم بردارها و مقادير مشخصه R روي سطح عملكرد خطا 30
2-4-4) شرط همگرا شدن به٭ W 32
2-5) روش جستجو 32
2-5-1) الگوريتم جستجوي گردايان 32
2-5-2) پايداري و نرخ همگرايي الگوريتم 35
2-5-3) منحني يادگيري 36
2-6) MSE اضافي 36
2-7) عدم تنظيم 37
2-8) ثابت زماني 37
2-9) الگوريتم LMS 38
2-9-1) همگرايي الگوريتم LMS 39
2-10) الگوريتم هاي LMS اصلاح شده 40
2-10-1) الگوريتم LMS نرماليزه شده (NLMS) 41
2-10-2) الگوريتم هاي وو LMS علامتدار وو (SLMS) 41
2-11) نتيجه گيري 43

فصل سوم: اصول كنترل فعال نويز 
44
3-1) مقدمه 45
3-2) انواع سيستم هاي كنترل نويز آكوستيكي 45
3-3) معرفي سيستم حذف فعال نويز تك كاناله 47
3-4) كنترل فعال نويز به روش پيشخور 48
3-4-1) سيستم ANC پيشخور باند پهن تك كاناله 49
3-4-2) سيستم ANC پيشخور باند باريك تك كاناله 50
3-5) سيستم هاي ANC پسخوردار تك كاناله 51
3-6) سيستم هاي ANC چند كاناله 52
3-7) الگوريتم هايي براي سيستم هاي ANC پسخوردار باند پهن 53
3-7-1) اثرات مسير ثانويه 54
3-7-2) الگوريتم FXLMS 57
3-7-3) اثرات فيدبك آكوستيكي 61
3-7-4) الگوريتم Filtered- URLMS 66
3-8) الگوريتم هاي سيستم ANC پسخوردار تك كاناله 69
3-9) نكاتي درباره ي طراحي سيستم هاي ANC تك كاناله 70
3-9-1) نرخ نمونه برداري و درجه ي فيلتر 72
3-9-2) عليت سيستم 73
3-10) نتيجه گيري 74

فصل چهارم: شبيه سازي سيستم ANC تك كاناله
75
4-1) مقدمه 76
4-2) اجراي الگوريتم FXLMS 76
4-2-1) حذف نويز باند باريك فركانس ثابت 76
4-2-2) حذف نويز باند باريك فركانس متغير 81
4-3) اجراي الگوريتم FBFXLMS 83
4-4) نتيجه گيري 85

فصل پنجم: كنترل غيرخطي نويز آكوستيكي در يك ماجرا
86
5-1) مقدمه 87
5-2) شبكه عصبي RBF 88
5-2-1) الگوريتم آموزشي در شبكه ي عصبي RBF 90
5-2-2) شبكه عصبي GRBF 93
5-3) شبكه ي TDNGRBF 94
5-4) استفاده از شبكه ي TDNGRBF در حذف فعال نويز 95
5-5) نتيجه گيري 98

فصل ششم: نتيجه گيري و پيشنهادات 
99
6-1) نتيجه گيري 100
6-2) پيشنهادات 101
مراجع I

فایل های دیگر این دسته

مجوزها،گواهینامه ها و بانکهای همکار

Appsgood دارای نماد اعتماد الکترونیک از وزارت صنعت و همچنین دارای قرارداد پرداختهای اینترنتی با شرکتهای بزرگ به پرداخت ملت و زرین پال و آقای پرداخت میباشد که در زیـر میـتوانید مجـوزها را مشاهده کنید

بانک ملت
آقای پرداخت
زرین پال
نماد تجارت الکترونیک