فروشگاه

توضیحات

نویزهای سیگنالی[۱] موجود در محیط نه تنها تاثیر مستقیمی بر روی شنوایی افراد می گذارند، بلکه باعث کاهش راندمان و کارائی آنها، بیماری های جسمی از قبیل فشار خون، کاهش آسایش و راحتی افراد و فرسودگی در دستگاه ها می شوند. اگر چه مشکل سر و صدا نسبت به مساله آلودگی محیط با مواد آلوده کننده، توجه کمتری را به خود جلب می کند، اما امروزه آگاهی جامعه نسبت به انعکاس غیر بهداشتی اصوات بلند، بیش از همیشه وجود دارد. بنابراین تلاش های زیادی برای کاهش نویزهای سیگنالی موجود در محیط شده است. بدین منظور روش های فعال[۲] و غیرفعال[۳]به کار می رود. بزرگترین مزیت موجود در روش فعال این است که برخلاف روش غیرفعال می توان نویز را در یک فضای کوچک و بخصوص در فرکانس های پایین (زیر ۵۰۰ هرتز)، کاهش داد [۱، ۶، ۱۶].

ایده اولیه کنترل فعال نویز توسط pual Lveg در سال ۱۹۳۶ برای حذف نویز در مجراها[۴] معرفی و تشریح گردید [۲]. این سیستم، صدای ناخواسته را بوسیله تولید یک موج صوتی مشابه (هم دامنه)، ولی با فاز مخالف از بین می برد. تداخل امواج نویزهای ناخواسته و موج ساخته شده، باعث حذف هر دو صدا می‌شود. اگر سیستم فعال، فاز و دامنه ی موج اولیه را به درستی تشخیص دهد، موفقیت در حذف نویز حاصل می شود.

علی رغم تحقیقات انجام شده در دهه ی ۱۹۵۰ بر روی سیستم های کنترل فعال نویز، به دلیل فقدان تکنولوژی لازم، این سیستم ها بصورت عملی پیشرفت قابل ملاحظه ای نکردند. اما در سال های بعد، با بکارگیری تکنیک های دیجیتالی به جای سیستم های پیچیده آنالوگ و بکارگیری علم پردازش سیگنال های دیجیتال، پیشرفت قابل ملاحظه ای حاصل شد. بگونه ای که امکان دستیابی به سیستم های ANC در کاربردهای گوناگون فراهم آمد [۳]. هم اکنون با پیدایش پردازنده های سریع سیگنال های دیجیتال ، امکان پیاده سازی سیستم های کنترل فعال نویز با استفاده از الگوریتم های مختلف محقق گردیده است.

سیستم های کنترل فعال نویز در دهه ی ۱۹۸۰ بر پایه ی نظریه ی فیلترهای وفقی بنا و توسعه داده شده است [۴]. با توجه به توانایی ها و ارزان قیمت بودن سخت افزارهای DSP مثل خانواده ی TMS320، تکنولوژی استفاده از این سخت افزارها همراه با تئوری ANC عملی شده است [۷].

۱۰۰ صفحه فایل ورد (Word) فونت ۱۴ منابع دارد  

 

پس از پرداخت آنلاین میتوانید فایل کامل این پروژه را دانلود کنید

 

 

فهرست مطالب پروژه فوق العاده جامع و کامل بررسی حذف نویز از سیگنال

عنوان

صفحه

چکیده

۱

فصل اول: مقدمه ای بر کنترل نویز سیگنالی

۷

۱-۱) مقدمه

۸

۱-۲) علل نیاز به کنترل نویزهای صوتی (فعال و غیر فعال)

۹

۱-۳) نقاط ضعف کنترل نویز به روش غیرفعال

۱۰

۱-۳-۱) کارایی کم در فرکانس های پایین

۱۰

۱-۳-۲) حجم زیاد عایق های صوتی

۱۰

۱-۳-۳) گران بودن عایق های صوتی

۱۰

۱-۳-۴) محدودیت های اجرایی

۱۰

۱-۳-۵) محدودیت های مکانیکی

۱۰

۱-۴) نقاط قوت کنترل نویز به روش فعال

۱۱

۱-۴-۱) قابلیت حذف نویز از سیگنال در یک گسترده ی فرکانسی وسیع

۱۱

۱-۴-۲) قابلیت خود تنظیمی سیستم

۱۱

۱-۵) کاربرد ANC در گوشی فعال

۱۱

۱-۵-۱) تضعیف صدا به روش غیر فعال در هدفون

۱۲

۱-۵-۲) تضعیف صدا به روش آنالوگ در هدفون

۱۳

۱-۵-۳) تضعیف صوت به روش دیجیتال در هدفون

۱۵

۱-۵-۴) تضعیف صوت به وسیله ی ترکیب سیستم های آنالوگ و دیجیتال در هدفون

۱۶

۱-۶) نتیجه گیری

۱۷

فصل دوم: اصول فیلترهای وفقی

۱۸

۲-۱) مقدمه

۱۹

۲-۲) فیلتر وفقی

۲۰

۲-۲-۱) محیط های کاربردی فیلترهای وفقی

۲۲

۲-۳) الگوریتم های وفقی

۲۵

۲-۴) روش تحلیلی

۲۵

۲-۴-۱) تابع عملکرد سیستم وفقی

۲۶

۲-۴-۲) گرادیان یا مقادیر بهینه بردار وزن

۲۸

۲-۴-۳) مفهوم بردارها و مقادیر مشخصه R روی سطح عملکرد خطا

۳۰

۲-۴-۴) شرط همگرا شدن به٭ W

۳۲

۲-۵) روش جستجو

۳۲

۲-۵-۱) الگوریتم جستجوی گردایان

۳۲

۲-۵-۲) پایداری و نرخ همگرایی الگوریتم

۳۵

۲-۵-۳) منحنی یادگیری

۳۶

۲-۶) MSE اضافی

۳۶

۲-۷) عدم تنظیم

۳۷

۲-۸) ثابت زمانی

۳۷

۲-۹) الگوریتم LMS

۳۸

۲-۹-۱) همگرایی الگوریتم LMS

۳۹

۲-۱۰) الگوریتم های LMS اصلاح شده

۴۰

۲-۱۰-۱) الگوریتم LMS نرمالیزه شده (NLMS)

۴۱

۲-۱۰-۲) الگوریتم های وو LMS علامتدار وو (SLMS)

۴۱

۲-۱۱) نتیجه گیری

۴۳

فصل سوم: اصول کنترل فعال حذف نویز از سیگنال

۴۴

۳-۱) مقدمه

۴۵

۳-۲) انواع سیستم های کنترل نویز سیگنالی

۴۵

۳-۳) معرفی سیستم حذف فعال نویز تک کاناله

۴۷

۳-۴) کنترل فعال نویز به روش پیشخور

۴۸

۳-۴-۱) سیستم ANC پیشخور باند پهن تک کاناله

۴۹

۳-۴-۲) سیستم ANC پیشخور باند باریک تک کاناله

۵۰

۳-۵) سیستم های ANC پسخوردار تک کاناله

۵۱

۳-۶) سیستم های ANC چند کاناله

۵۲

۳-۷) الگوریتم هایی برای سیستم های ANC پسخوردار باند پهن

۵۳

۳-۷-۱) اثرات مسیر ثانویه

۵۴

۳-۷-۲) الگوریتم FXLMS

۵۷

۳-۷-۳) اثرات فیدبک سیگنالی

۶۱

۳-۷-۴) الگوریتم Filtered- URLMS

۶۶

۳-۸) الگوریتم های سیستم ANC پسخوردار تک کاناله

۶۹

۳-۹) نکاتی درباره ی طراحی سیستم های ANC تک کاناله

۷۰

۳-۹-۱) نرخ نمونه برداری و درجه ی فیلتر

۷۲

۳-۹-۲) علیت سیستم

۷۳

۳-۱۰) نتیجه گیری

۷۴

فصل چهارم: شبیه سازی سیستم ANC حذف نویز از سیگنال

۷۵

۴-۱) مقدمه

۷۶

۴-۲) اجرای الگوریتم FXLMS

۷۶

۴-۲-۱) حذف نویز باند باریک فرکانس ثابت

۷۶

۴-۲-۲) حذف نویز باند باریک فرکانس متغیر

۸۱

۴-۳) اجرای الگوریتم FBFXLMS

۸۳

۴-۴) نتیجه گیری

۸۵

فصل پنجم: کنترل غیرخطی نویز سیگنالی در یک ماجرا

۸۶

۵-۱) مقدمه

۸۷

۵-۲) شبکه عصبی RBF

۸۸

۵-۲-۱) الگوریتم آموزشی در شبکه ی عصبی RBF

۹۰

۵-۲-۲) شبکه عصبی GRBF

۹۳

۵-۳) شبکه ی TDNGRBF

۹۴

۵-۴) استفاده از شبکه ی TDNGRBF در حذف فعال نویز

۹۵

۵-۵) نتیجه گیری

۹۸

فصل ششم: نتیجه گیری و پیشنهادات

۹۹

۶-۱) نتیجه گیری

۱۰۰

۶-۲) پیشنهادات

۱۰۱

مراجع

I

فصل دوم
اصول فیلترهای وفقی
تحقیقات اخیر نشان می دهد که در میان روش های متعدد بکار گرفته شده در سیستم های کنترل فعال نویز، فیلترهای وفقی بطور بسیار موفق و موثری مورد استفاده قرار گرفته اند. لذا در این فصل اصول کار این فیلترها توضیح داده می شود.
۲-۱) مقدمه
در حالت هایی که مشخصات سیستم حذف نویز از سیگنال مورد نظر، در طی کنترل فعال نویز، ثابت و یا با تغییرات جزئی همراه باشد. لازم است که مدل سازی ابتدایی از سیستم صورت پذیرد. به عبارتی دیگر سیستم حذف نویز از سیگنال را می توان با استفاده از تکنیک مدل سازی غیر همزمان مدل کرد. ولی در اکثر مواقع، سیستم مذکور با گذشت زمان و بدون توجه به دقت مدل سازی انجام شده، نسبت به مدل متناظر دچار اختلاف می شود. سیستم های کنترل فعال نویز معمولاً به علت تغییرات سیستم حذف نویز از سیگنال، شرایط محیطی و تغییر رفتار سنسورها و محرک ها در اثر استحکاک کاری، سیستم های متغیر با زمان می باشند [۲۷]. همچنین در بسیاری از کاربردهای کنترل فعال، نویز اولیه ثابت نبوده و در نتیجه کنترلر باید به گونه ای تطبیق داده شود که بتواند تغییرات در مشخصات نویز اولیه را ردگیری نماید [۲۷]. در مجموع می توان بیان داشت که کنترل فعال نویز به صورت کاملاً تطبیقی مورد نیاز می باشد تا عمل شناسایی و کنترل به صورت همزمان انجام پذیرد. امروزه با پیشرفت پردازشگرهای دیجیتال و کاهش قیمت آنها، تکنیک های تطبیقی بصورت گسترده ای در طراحی سیستم های کنترل فعال نویز بکار گرفته می شوند.
کنترل تطبیقی باید بگونه ای باشد که امکان نمایش دقیق سیستم حذف نویز از سیگنال را فراهم نماید و در عین حال لازم است که محاسبات کنترلر به اندازه کافی سریع باشدتا بتواند مساله ی علیت را تضمین نماید [۱۲].
در فیلترهای وفقی هنگامیکه سیگنال مبنا به خوبی با نویز اولیه مرتبط است، می توان از کنترل پیشخوراند وفقی استفاده نمود که دیگر یک کنترل حلقه باز نمی باشد [۳]. هنگامیکه سیگنال مبنای مرتبط با منبع صوتی اولیه در اخیتار نبوده و یا اینکه سیگنال های مبنای متعددی در محفظه حذف نویز از سیگنال وجود داشته باشد، آنگاه بکارگیری روش کنترل فعال نویز به طریق پیشخوراند غیر عملی است در این شرایط، کنترل پسخوراند توصیه می شود [۳]. برای این نوع کنترلرها، سیگنال های خطای باقیمانده به تنهایی برای فعال کردن منابع ثانویه بکار می روند.
هم اکنون در مخابرات، رادار، سونا، زلزله شناسی، طراحی مکانیکی، ناوبری و مهندسی پزشکی از سیستم های وفقی استفاده می شود.
در این فصل سیستم های وفقی مورد بررسی قرار خواهد گرفت. همچنین الگوریتم های مختلف وفقی مطرح شده و الگوریتم LMS به طور کامل بررسی می گردد. در این مباحث نتایج روابط مطرح شده اند و اثبات آنها در مراجع آمده است.درفصل سوم نیز الگوریتم هایFBFXLMS, FXLMS و FU-RLMS  که نمونه ای از الگوریتم های مطرح در کنترل فعال نویز می باشند، بیان شده است.
۲-۲) فیلتر وفقی
یک فیلتر دیجیتالی وفقی شامل دو قسمت می باشد:
۱) بخش فیلتر دیجیتالی
۲) الگوریتم وفقی به منظور بهینه سازی ضرایب فیلتر
نمای کلی از فیلترهای وفقی در شکل (۲-۱) نشان داده شده است که در آن (k)d پاسخ دلخواه (یا سیگنال ورودی اولیه). (k)y خروجی فیلتر، (k)x سیگنال ورودی مرجع و (k)e سیگنال خطای سیستم می‌باشد. همچنین فرض می کنیم (k)d و (k)x از لحاظ استاتیکی ایستا باشند. الگوریتم وفقی ضرایب فیلتر دیجیتالی را با کمینه کردن تابع سطح خطا، MSE ، تنظیم می نماید.
توابع انتقال فیلترهای دیجیتالی به دو دسته تقسیم می شوند [۲۹]:
۱) ساختار با پاسخ ضربه محدود (FIR)
۲) ساختار با پاسخ ضربه نامحدود (IIR)
در سیستم های کنترل فعال نویز نیز هر دو نوع فیلتر مذکور قابل استفاده اند. در این تحقیق به دلیل ارزش پایداری فیلترهای FIR، این فیلتر با ساختار Transversal مورد توجه قرار گرفته است. عمده ترین دلیل استفاده از این ساختار، سادگی آن است که باعث کاهش محاسبات و در نتیجه سادگی سیستم
می گردد. دیاگرام بلوکی این ساختار در شکل (۲-۲) دیده می شود.
در ساختار فوق، N مرتبه فیلتر است. همچنین با توجه به نحوه ی تنظیم ضرایب سیستم های وفقی، می توان آنها را به دو دسته حلقه بسته و حلقه باز تقسیم بندی نمود [۳]. در سیستم حلقه باز، اطلاعات لازم با اندازه گیری سیگنال ورودی و دیگر خصوصیات مورد لزوم محیط جمع آوری شده و به کمک الگوریتم تحت پردازش قرار می گیرند. در سیستم حلقه بسته، پسخوری از عملکرد کلی سیستم در هر مقطعی از مراحل تنظیم ضرایب بطور اتوماتیک تهیه شده و در واحد پردازشگر بوسیله ی الگوریتم مناسبی که این عملکرد را بهینه می سازد، مورد پردازش قرار می گیرد. شکل (۲-۳) دیاگرام بلوکی سیستم وفقی حلقه بسته را نشان می دهد…………………..

فصل سوم

اصول حذف نویز از سیگنال

 

 

پس از آشنایی با کاربردهای ANC و فیلترهای وفقی، در این فصل به تشریح دقیق تر روش های مورد استفاده جهت کنترل فعال نویز سیگنالی و خصوصیات آنها می پردازیم.

۳-۱) مقدمه

همانطور که در فصل اول بیان شد، برای رفع مشکلات ناشی از نویزهای سیگنالی در محیط اطراف از سیستم های کنترل فعال نویز استفاده می شود. این سیستم، صداهای ناخواسته را بوسیله ی تولید یک موج صوتی مشابه (هم دامنه) ولی با فاز مخالف از بین می برد. تداخل امواج نویزهای ناخواسته و موج ساخته شده، منجر به حذف هر دو صدا می شود. شکل (۳-۱) شامل: شکل موج اولیه ی نویزهای ناخواسته صدای حذف کننده و نویز باقیمانده است. درصد موفقیت در حذف نویز، به میزان درست تشخیص دادن فاز و دامنه ی موج اولیه دارد.

کاربرد موفقیت آمیز روش فعال در مقایسه با تکنیک تضعیف غیر فعال مشخص می شود. مزیت بزرگ کنترل فعال این است که می تواند نویز را در فرکانس های پایین (زیر ۵۰۰ هرتز)، کاهش دهد [۱،۱۶].

۳-۲) انواع سیستم های کنترل فعال نویز سیگنالی

سیستم های کنترل فعال نویز[۱] سیگنالی را می توان به دو دسته زیر تقسیم بندی کرد:

۱)    سیستم کنترل فعال نویز پیشخور[۲]

۲)    سیستم کنترل فعال نویز پسخور[۳]

در سیستم های ANC با کنترل پیشخور از دو سنسور برای اندازه گیری نویز اولیه (سیگنال مرجع) و سیگنال خطای باقیمانده استفاده می شود. در کاربردهایی که سیگنال مرجع در دسترس نمی باشد می توان ازسیستم های ANC با کنترل پسخور استفاده کرد که فقط از یک سنسور جهت اندازه گیری سیگنال خطا استفاده می کند. شکل ۳-۲ نمایش دیاگرام بلوکی سیستم های کنترل فعال نویز پیشخور و پسخور است.

در این سیستم ها با دو نوع نویز، سر و کار داریم:

۱) نویزهای باند پهن[۴]:

برای حذف اینگونه نویزها، نیاز به شناخت منبع نویز داریم تا بتوان سیگنال حذف کننده ی بهتری تولید کرد. نویز اولیه اندازه گیری شده بعنوان اطلاعات ورودی به الگوریتم وفقی وارد می شود. اگر اندازه و فاز نویز بدرستی بوسیله ی کنترل کننده ی دیجیتالی مدل سازی شود، نویز اولیه بوسیله ی صدای تولید شده به کمک بلندگوی حذف کننده کاملاً خنثی می شود.

 


[۱] – Active noise control (ANC)

[۲] -Feedforward

[۳] -Feedback

-Broadband

[۴] -Broadband………………………………….

 

 

/…………………………….

 

 

فصل چهارم

شبیه سازی سیستم ANC تک کاناله

 

 

پس از بررسی اصول کنترل فعال نویز در یک مجرا، در این فصل به شبیه سازی سیستم ANC تک کاناله با استفاده از نرم افزار MATLAB می پردازیم تا قبل از پیاده سازی، نسبت به آن سیستم ها دید بهتری بدست آورد.

۴-۱) مقدمه

شبیه سازی یک سیستم ANC تک کاناله مقدمه ی پیاده سازی آن سیستم می باشد. بوسیله ی عمل شبیه سازی می توان قبل از پیاده سازی، نتایج حاصل از پیاده سازی را پیش بینی کرد. در این فصل در اجرای شبیه سازی برای حذف نویزهای فرکانس ثابت از الگوریتم های FXLMS و FBFXLMS استفاده می کنیم. همچنین به ارائه گونه ای از الگوریتم FXLMS می پردازیم که قابلیت حذف نویز با فرکانس متغیر در یک مجرا و در کوتاهترین زمان ممکن را دارد. در این الگوریتم ها فرکانس نمونه برداری را KHZ 2 اختیار می کنیم.

به دلیل اینکه تکنیک های غیرفعال برای کاهش نویز در فرکانس های کمتر از ۵۰۰ هرتز موفقیت آمیز نبوده اند،از سیستم های ANC در این محدوده استفاده می شود [۱،۶]. از طرف دیگر با توجه به پاسخ بلندگو، هیچ کاهشی در مقادیر کمتر از ۲۰۰ هرتز بدست نمی آید [۱]. در نتیجه از یک ANC در محدوده ی فرکانسی ۲۰۰ تا ۵۰۰ هرتز استفاده می شود. بنابراین بایستی مولفه های فرکانسی سیگنال تست ورودی در محدوده ی فوق باشد.

۴-۲) اجرای الگوریتم FXLMS

تاکنون کارهای زیادی برای حذف نویز باند باریک آکوستیکی که بصورت تک فرکانس ثابت در داخل یک مجرا وجود دارد، ارائه شده است. با این حال اگر فرکانس نویز تغییر کند، نیاز به سیستمی است که توانایی حذف آنرا داشته باشد.

۴-۲-۱) حذف نویز باند باریک فرکانس ثابت

برای انجام عمل شبیه سازی و اجرای الگوریتم FXLMS احتیاج به دانستن توابع تبدیل مسیر اولیه P(Z) و مسیر ثانویه، H(Z) ، می باشد. بدین منظور از اطلاعات داده شده در مرجع [۱۱] که بصورت عملی حاصل شده، استفاده می کنیم تا نتایج بدست آمده به واقعیت نزدیکتر باشد. توابع تبدیل مورد استفاده به صورت زیر می باشند:

(۴-۱)

(۴-۲)

در ادامه مطابق با شکل (۳-۴) یک سیستم ANC تک کاناله با استفاده از الگوریتم LMS شبیه سازی شد. اما به دلیل اینکه هدف ما پیاده سازی سیستم با استفاده از الگوریتم FXLMS بود، به نتایج این شبیه سازی نمی پردازیم. فقط شایان ذکر است که نتایج حاصل از شبیه سازی، برتری الگوریتم FXLMS را نسبت به الگوریتم LMS در تضعیف بیشتر نویز ، پایداری بیشتر نسبت به تغییر متغیرهای مستقل، نشان
می داد. همچنین متوجه شدیم که در این کاربرد بایستی برای تجدید ضرایب فیلتر وفقی، فقط از الگوریتم NLMS استفاده کنیم تا سیستم بصورت پایدار کار کرده و باعث تضعیف نویز شود.

برای شبیه سازی یک سیستم ANC تک کاناله با فرکانس ثابت با استفاده از الگوریتم FXLMS علاوه بر مدل کردن توابع تبدیل مسیرهای اولیه و ثانویه به تابع تبدیل C(Z) نیز نیاز می باشد. روش بدست آوردن این تابع تبدیل و شیوه ی مدل سازی آن در فصل قبلی بیان گردید و در اینجا فقط از نتایج قبلی استفاده می کنیم. با استفاده از دیاگرام شکل ۳-۱۳ تخ……………………………

 

……………..

 

 

فصل پنجم

کنترل غیرخطی حذف نویز از سیگنال در یک مجرا

 

 

۵-۱) مقدمه

همانطوریکه در فصول قبلی مشاهده شد، الگوریتم FXLMS یک روش ساده ای را پیشنهاد می کند که به منظور انتخاب مناسب، نیاز به دانشی در مورد خصوصیات آماری داده های ورودی داریم. به ویژه هنگامیکه مسیر ثانویه بصورت on-line بهینه شود [۵۸]. در این الگوریتم برای اطمینان از همگرایی گام حرکت را کوچک اختیار می کنند. در نتیجه سرعت همگرایی پایین است و اجرای ضعیفی خواهیم داشت. حال آنکه الگوریتم FXLMS همگرایی را برای یک محدوده ای از گام حرکت- که بستگی به خصوصیات آماری داده های ورودی ندارد- تضمین می کند و سرعت همگرایی آن نسبت به الگوریتم FXLMS همگرایی را برای یک محدوده ای از گام حرکت – که بستگی به خصوصیات آماری داده های ورودی ندارد- تضمین می کند و سرعت همگرایی آن نسبت به الگوریتم FXLMS بیشتر است. هر چند این الگوریتم نیز بخاطر نویزهایی که از محیط وارد میکروفن های ورودی و خطا می شوند، اثر پذیر است [۵۰].

یکی دیگر از مشکلات الگوریتم FXLMS این است که تنها در مورد کنترل کننده ی خطی صادق است و برای کنترل کننده ی غیرخطی قابل استفاده نیست [۵۱،۵۲]. در سیستم های ANC، عوامل غیرخطی از محرک های ثانویه (سیستم های ‎آکوستیکی غیرخطی تحت کنترل) سرچشمه می گیرند. به ویژه وقتی سیگنال نویز ورودی دامنه ای نزدیک به اشباع داشته باشد و یا در فرکانس های نزدیک- یا پایین تر از- محدوده ی می نیمم فرکانس کاری محرک ها کار کند [۵۲]. بدین منظور برای بررسی عوامل غیرخطی می توان از ساختاری غیرخطی، همانند شبکه های عصبی[۱]استفاده کرد. Snyder, Tanaka در مرجع [۵۳] به معرفی شبکه های عصبی ای می پردازند که قادر به جابجایی نظم الگوریتم FXLMS معمولی برای مسائل غیرخطی است. در این روش از یک الگوریتم یادگیری[۲] وفقی برای کنترل شبکه ی عصبی جلوسو[۳] استفاده شده است تا الگوریتم FXLMS بتواند در مسائل غیرخطی کار کند.

Bouchard در مرجع [۵۲] الگوریتم پیشنهاد در مرجع [۵۳]

 


[۱] -Neural Network

[۲] -Learning

[۳] -Feedforward

 

 

 

…………………..

 

فصل ششم

نتیجه گیری و پیشنهادات

 

 

۶-۱) نتیجه گیری

در این پایان نامه، کارایی سیستم حذف نویز از سیگنال مورد بررسی قرار گرفت. ابتدا به بیان تاریخچه و علل استفاده از سیستم های فعال نویز پرداختیم و به عنوان یکی از مزایای روش فعال بیان کردیم که این سیستم ها برخلاف روش غیرفعال قادر به حذف نویز در فرکانس های پایین (زیر ۵۰۰ هرتز) می باشند.

به دلیل اینکه سیستم های ANC  متغیر با زمان هستند، می توان بیان داشت که کنترل فعال نویز بصورت کاملاً تطبیقی مورد نیاز است. بنابراین در فصل دوم فیلترهای وفقی را توضیح داده و به دلیل ردیابی خوب الگوریتم LMS در یک محیط نویزی آن را بطور کامل بررسی کردیم.

در فصل دوم سیستم های کنترل فعال نویز تک کاناله بصورت اجمالی معرفی شدند. سپس به معرفی الگوریتم های  FURLMS FBFXLMS,FXLMS پرداختیم و فهمیدیم که الگوریتم FXLMS، مقاومت خوبی در برابر خطای مدل سازی مسیر ثانویه دارد. همچنین توضیح دادیم که طول مجرا در یک سیستم ANC تابع درجه ی فیلتر وفقی می باشد.

در فصل چهارم یک سیستم ANC تک کاناله شبیه سازی شد که در آن از فیلترهای وفقی در مدل سازی مسیر ثانویه، بصورت off-Line استفاده گردید. نتایج حاصل، نشان می دهد که سیستم می تواند نویز صوتی را به میزان قابل توجهی کاهش دهد. الگوریتم های FBFXLMS و FXLMS که برای شبیه سازی مورد استفاده قرار گرفت، از مرسوم ترین الگوریتم های رایج در سیستم های ANC می باشند. در آزمایش ها به این نتیجه رسیدیم که برای مدل سازی مسیر ثانویه و مسیر فیدبک می توان به ترتیب از فیلتر های FIR با مرتبه ی ۶۴ و ۳۲ استفاده کرد. انتخاب درجات بالاتر برای فیلتر FIR تنها باعث افزایش محاسبات می شود. بدون آنکه بطور موثر بتواند خطای مدل سازی را کاهش دهد.

در شبیه سازی های انجام گرفته، سیستم ANC تک کاناله قادر اس……………………….

 

 

 

بلافاصله بعد از پرداخت موفق لینک دانلود این پروژه فعال خواهد شد.

 

نقد وبررسی

نقد بررسی یافت نشد...

اولین نفر باشید که نقد و بررسی ارسال میکنید... “بررسی حذف نویز از سیگنال”