فروشگاه

توضیحات

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[۱] و غیر فعال[۲]استفاده شده است. برخلاف روش غیر فعال می‌توان بوسیله‌ی روش فعال، نویز را در فرکانس های پایین (زیر ۵۰۰ 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 [۳] LMSدر 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 ۲۰۰ تا ۵۰۰ 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 (۳ برابر) و خطای کمتری (۳۰% 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 [۷]NLMS بهینه می شوند.

۱۰۰صفحه فایل ورد (Word) فونت ۱۴ منابع دارد

 

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

 

 

 

فهرست مطالب

عنوان

صفحه

چکیده

فصل صفر: مقدمه

۱

۲

فصل اول: مقدمه ای بر کنترل نویز آکوستیکی

۷

۱-۱) مقدمه

۸

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

۹

۱-۲-۱) بیماری های جسمی

۹

۱-۲-۲) بیماری های روانی

۹

۱-۲-۳) راندمان و کارایی افراد

۹

۱-۲-۴) فرسودگی

۹

۱-۲-۵) آسایش و راحتی

۹

۱-۲-۶ جنبه های اقتصادی

۱۰

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 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 نویز

۴۴

۳-۱) مقدمه

۴۵

۳-۲) انواع سیستم های کنترل نویز آکوستیکی

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 آکوستیکی

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 تک کاناله

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 آکوستیکی 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 سوم

اصول کنترل فعال نویز

 

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

۳-۱) مقدمه

همانطور که در فصل اول بیان شد، برای رفع مشکلات ناشی از نویزهای آکوستیکی 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 آکوستیکی

سیستم های کنترل فعال نویز[۱] آکوستیکی 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.

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

۲) نویزهای باند باریک[۵]:

 برای حذف نویزهای باند باریک، تکنیک های فعالی ابداع شده است که کاربردهای بسیاری دارند. در این تکنیک ها به جای استفاده از یک میکروفن ورودی از یک اندازه گیرنده‌ی سرعت چرخش سیگنال[۶] برای بدست آوردن فرکانس موج اولیه منبع نویز، استفاده می شود. زیرا تمامی نویزهای پریودیک، بوسیله ی ماشین هایی که فرکانس چرخشی ثابت دارند ایجاد می شود سیستم کنترلی در کابین وسایل نقلیه مورد استفاده قرار گرفته است.

در ادامه، پس از معرفی سیستم ANC تک کاناله به تشریح روش های پیشخور و پسخور در سیستم‌های ANC تک کاناله می پردازیم و الگوریتم های وفقی مورد استفاده در این روش ها را معرفی می‌کنیم.

۳-۳) معرفی سیستم حذف فعال نویز تک کاناله

پخش نویز صوتی در فضا به دو صورت انتشار یک بعدی و سه بعدی تقسیم بندی می شود. در حالتی که نویز صوتی در یک بعد انتشار یابد، از سیستم ANC تک کاناله و در زمانی که نویز صوتی در سه بعد منتشر شود از سیستم ANC چند کاناله استفاده می شود. انتشار تک بعدی مانند منتشر شدن صدای موتور اتومبیل در داخل اگزوز و یا پخش شدن صدا درون یک مجرا است. انتشار صوت درون یک اتاق نیز بصورت سه بعدی انجام می گیرد. برای شبیه سازی و پیاده سازی سیستم ANC تک کاناله از یک لوله باریک مطابق شکل (۳-۳) استفاده می شود.

بخش های اصلی یک سیستم ANC تک کاناله پیشخور عبارتند از:

۱) میکروفن مرجع: نویز حاصل از منبع نویز را در ابتدای لوله گرفته و برای پردازش، به الگوریتم ANC می دهد.

۲) بلندگوی حذف کننده : سیگنال حذف کننده را در لوله پخش می کند.

۳) میکروفن خطا: این میکروفن در قسمت پایین لوله و بعد از بلندگوی حذف کننده، ولی نزدیک آن قرار می گیرد تا سیگنال خطا را برای الگوریتم ANC تامین نماید. به عبارت دیگر، میکروفن خطا در محلی قرار می گیرد که هدف سیستم کاهش نویز صوتی در آن مکان است بنابراین در محل میکروفن خطا بیشترین کاهش نویز تحقق می یابد.

۴) پردازشگر یا الگوریتم ANC: معمولاً یک فیلتر وفقی می باشد که بعنوان قلب سیستم ، سیگنال‌های دریافتی را پردازش می کند.

شکل (۳-۴) نشان دهنده ی دیاگرام بلوکی ساختار نشان داده شده در شکل (۳-۳) است. در این شکل نحوه ی کار سیستم ANC در حالت ایده آل نشان داده دشه است. سیگنال نویز اولیه، (n)x به ورودی فیلتر وفقی وارد می شود. تابع انتقال سیستم ناشناخته (تابع انتقال لوله، (z)p )شامل پاسخ صوتی لوله از میکروفن مرجع تا میکروفن خطا می باشد. سیگنال حاصل از عبور نویز اولیه در طول لوله- در محل بلندگو- سیگنال (n)d را تشکیل می دهد. الگوریتم ANC سیگنال y(n) را بصورتی تولید می کند که حاصل جمع صوتی آن با (n)d صفر یا حداقل گردد. نکته ی اساسی این است که با توجه به فاصله ی میکروفن مرجع از بلندگوی حذف کننده، یک تاخیر صوتی در مسیر لوله بوجود خواهد آمد. همچنین یک تاخیر الکتریکی نیز از زمان نمونه برداری نویز اولیه، اجرای الگوریتمANC و ایجاد سیگنال ثانویه وجود دارد، که اگر این تاخیر از تأخیر صوتی بیشتر گردد، سیستم NNC و ایجاد سیگنال ثانویه وجود دارد، که اگر این تأخیر از تأخیر صوتی بیشتر گردد، سیستم ANC غیرعلی خواهد شد [۱۲].

همانطوریکه در شکل (۳-۴) نشان داده شده است این سیستم شامل یک فیلتر وفقی با تابع انتقال (Z)W به منظور شناسایی سیستم ناشناخته، (Z)P ، می باشد که هر دو توسط ورودی (n)x تحریک
می شوند. اگر سیستم ناشناخته متغیر با زمان باشد، فیلتر وفقی نیز باید تغییرات را دنبال نماید.

فیلترهای وفقی می توانند ساختارهای مختلفی چون فیلترهای FIR و یا IIR داشته باشند. یک سیستم ناشناخته با تابع انتقال FIR بوسیله ی یک فیلتر FIR و یک سیستم ناشناخته با تابع انتقال تمام قطب و یا صفر- قطب را می توان توسط یک فیلتر IIR و یا یک فیلتر FIR با تعداد ضرایب زیاد تخمین زد. روش تطبیق نیز می تواند با استفاده از الگوریتم های LMS و یا الگوریتم های دیگر صورت پذیرد.

۳-۴) کنترل فعال نویز به روش پیشخور

در این بخش به معرفی سیستم های ANC تک کاناله که از کنترل پیشخور استفاده می نمایند می‌پردازیم. در حال حاضر روش پیشخور استفاده ی زیادی در ANC دارد. این نوع سیستم به دو زیر مجموعه ی باند باریک تقسیم می شود.

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

یک سیستم کنترل پیشخور ساده برای مجاور طولانی و باریک در شکل (۳-۵) نشان داده شده است مجموعه ای از نویزهای باند پهن که در لوله های اگزوز و سیستم های تهویه ایجاد می شوند، نمونه ای از این مجراها می باشند که برای حذف نویز تولید شده توسط آنها، از یک سیستم کنترل پیشخور استفاده می کنند. نویز اولیه قبل از اینکه به بلندگو برسد، بوسیله ی یک میکروفن که نزدیک منبع نویز قرار دارد، احساس می شود. دستگاه حذف نویز از این سیگنال ورودی، در جهت تولید یک سیگنال خروجی (n)y کاملاً هم دامنه ولی در فاز متقابل (با اختلاف فاز ۱۸۰ درجه) استفاده می کند. سیگنال حذف کننده تولید شده توسط بلندگو سبب می شود که نویز اولیه درون مجرا تقلیل یابد.

نکته ی اساسی و اولیه این است که فاصله ی مابین میکروفن ورودی و بلندگو بایستی هماهنگ با ارتباط درونی سیستم باشد. به این معنی که بایستی نویز اولیه به موقع دریافت گردد تا هنگامی که این نویز به بلندگو می رسد سیگنال حذف کننده نیز در این مدت تولید شود. به علاوه نویز رسیده به بلندگو (از طریق مجرا) باید شبیه سیگنالی باشد که در میکروفن ورودی دریافت شده است . یعنی کانال آکوستیکی
نمی تواند نویز را عوض کند یا تغییراتی در آن اعمال کند.

میکروفن خطا، خطاها یا سیگنال های باقیمانده (n)e را اندازه گیری می کند. خطای اندازه گیری شده را می توان با استفاده از یک فیلتر وفقی به حداقل رساند. چون سیگنال خطا با منبع ورودی مقایسه نمی‌شود، پس در تنظیم فیلتر وفقی هیچ اختلالی ایجاد نمی شود. در بخش ۳-۷ در باره ی الگوریتم های ارائه شده برای این سیستم صحبت خواهیم کرد. در طراحی این سیستم ها بایستی توجه نمود که [۶] :

  • میکروفن ورودی در گره ی موج ایستا که ممکن است قبل یا در طی عمل حذف شدن نویز ظاهر شود قرار نگیرد.
  • میکروفن خطا قبل از عمل حذف نویز در مکان هایی که گره ی صوتی تشکیل می شود، قرار نگیرد.
  • میکروفن هایی که انتخاب می کنیم دارای امپدانس پایین نسبت سیگنال به نویز بالا، قیمت ارزان و حساسیت بالا باشند. [۶].
  • بلندگوی انتخابی نیز قادر به تولید یک صدا با سطح صوتی بلندتر از سطح منبع نویز، پاسخ فرکانسی مطلوب در فرکانس های پایین، مقاومت در برابر رطوبت و قیمت پایین همراه با کوچکی در اندازه باشد .
۳-۴-۲) سیستم ANC پیشخور باند باریک تک کاناله

مادامیکه نویز ابتدایی تولید شده بصورت پریودیک یا تقریباً پریودیک باشد (بطور مثال بوسیله ی ماشین های دوار تولید شده باشند) میکروفن ورودی می تواند با یک سنسور غیرآکوستیکی مثل accehermeter,tachometer یا یک سنسور نوری جایگزین شود.

دیاگرام بلوکی سیستم ANC پیشخور باند باریک تک کاناله در شکل (۳-۶) نشان داده شده است. همانطوریکه مشاهده می شود، این نوع سیستم با فیلتر کردن وفقی کردن وفقی یک سیگنال مرجع ساختگی (n)x،، (که توسط سیستم ANC تولید می شود) و تولید یک سیگنال حذف کننده، هارمونیک های منبع را کنترل می کند. همچنین به یک میکروفن خطاگیر نیاز داریم تا موج های باقیمانده ی آکوستیکی را دریافت کند. از سیگنال خطا نیز به منظور تنظیم ضرایب فیلتر وفقی استفاده می شود.

 


[۱] – Active noise control (ANC)

[۲] -Feedforward

[۳] -Feedback

-Broadband

[۴] -Broadband

[۵] -Narrowband

-[۶] Tachometer Signal

 

 

……………….

 

بلافاصله بعد از پرداخت موفق میتوانید فایل کامل این پروژه را با سرعت و امنیت دانلود کنید

 

 

 

 

 

 

نقد وبررسی

نقد بررسی یافت نشد...

اولین نفر باشید که نقد و بررسی ارسال میکنید... “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

0 نقد و بررسی
وضعیت کالا : موجود است.
شناسه محصول : 1160

ارائه روش جديد جهت حذف نويز آكوستيكی در يك مجرا  استفاده هم زمان از فيلترهای وفقی و شبكه های عصبی در حالت فركانس متغير

قیمت : تومان45,000