پیش فاکتور دریافت فایل
ارائه روش جديد جهت حذف نويز آكوستيكي در يك مجرا استفاده هم زمان از فيلترهاي وفقي و شبكه هاي عصبي در
5725
17,000 تومان
.zip
7,427 کیلوبایت
توضیحات:

ارائه روش جديد جهت حذف نويز آكوستيكي در يك مجرا استفاده هم زمان از فيلترهاي وفقي و شبكه هاي عصبي در حالت فركانس متغير 

قابل ویرایش 
مناسب برای دانشجویان رشته مهندسی برق 
فرمت : word 
بسیار کامل در 7 فصل 

چكيده

تاكنون براي حذف نويزهاي آكوستيكي از روش هاي فعال[1] و غير فعال[2]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 [3] LMS در محيط نويزي، الگوريتم FXLMS[4] 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[5] ، 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 ) [6] ( 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 [7]NLMS بهينه مي 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

مقدمه

در سال هاي اخير حذف نويز آكوستيكي[1](ANC) با روش هاي فعال به دليل كاربردهاي فراوان آن مورد توجه بسياري از محققين بوده است. برخلاف روش غيرفعال مي توان بوسيله ي روش فعال، نويز را در فركانس هاي پايين (زير 500 هرتز)، حذف و يا كاهش داد [16،1] اولين بار كنترل فعال نويز توسط Pual Lveg در سال 1936 براي حذف نويز در مجرا- در مواردي چون سيستم هاي تهويه و تبريد هوا و اگزوز و ..... معرفي و تشريح گرديد [2]. در اين سيستم نويز با توليد يك صوت مشابه (هم دامنه)، ولي با فاز مخالف حذف مي گردد. به اين منظور بايد دامنه و فاز نويز تشخيص داده شده و معكوس آن توليد شود.

سيستم ايجاد شده بايد قابليت كنترل وفقي نويز را داشته باشد تا بتواند تغييرات ايجاد شده در نويز اوليه را ردگيري نمايد [1، 8، 12] عموماً در ANC از فيلتر FIR بعنوان يك كنترلگر وفقي استفاده مي شود كه وزن هاي آن توسط الگوريتم LMS بهينه مي شوند. اما به دليل ظاهر شدن تابع تبديل مسير ثانويه در سيستم ANC، بايستي الگوريتم LMS جهت دستيابي به همگرايي اصلاح گردد [4]. لذا در ANC از الگوريتم FXLMS- كه سيگنال فيلتر شده ي نويز را بعنوان ورودي الگوريتم در نظر مي گيرد- استفاده مي شود. اين الگوريتم در ابتدا به وسيله ي مورگان بيان شد [4] و سپس Burgess پيشنهاد كرد كه از آن براي حذف نويز داخل مجرا استفاده شود [5]. نويز باقيمانده نيز مي تواند به عنوان سيگنال ورودي به الگوريتم وفقي براي تنظيم ضرايب فيلتر و تخمين اثرات كانال آكوستيكي استفاده شود.

الگوريتم FXLMS يك روش ساده اي را پيشنهاد مي كند كه به منظور انتخاب گام حركت() مناسب، نياز به دانشي در مورد خصوصيات آماري داده هاي ورودي دارد. به ويژه هنگاميكه مسير ثانويه بصورت on- Line بهينه شود [58]. در اين الگوريتم براي اطمينان از همگرايي، گام حركت را كوچك اختيار مي كنند. در نتيجه سرعت همگرايي پايين است و اجراي ضعيفي خواهيم داشت. حال آنكه الگوريتم FXNLMS همگرايي را براي يك محدوده اي از گام حركت- كه بستگي به خصوصيات آماري داده هاي ورودي ندارد- تضمين مي كند و سرعت همگرايي آن نسبت به الگوريتم FXLMS بيشتر است. هر چند اين الگوريتم نيز بخاطر نويزهايي كه از محيط وارد ميكروفن هاي ورودي و خطا مي شوند، اثر پذير است [50]. از مشكلات الگوريتم FXLMS اين است كه براي حذف نويز باند پهن نياز به فيلتري از درجات بالا دارد كه سبب افزايش طول مجرا مي شود [6]. همچنين اين الگوريتم تنها در مورد كنترل كننده هاي خطي صادق است و براي كنترل كننده هاي غير خطي قابل استفاده نيست [51، 52]. در سيستم هاي ANC، عوامل غيرخطي از محرك هاي ثانويه (سيستم هاي آكوستيكي غير خطي تحت كنترل) سرچشمه مي گيرند. به ويژه وقتي سيگنال نويز ورودي دامنه اي نزديك به اشباع داشته باشد و يا در فركانس هاي نزديك- يا پايين تر از- محدوده ي مي نيمم فركانس كاري محرك ها كار كند [52]. بدين منظور براي بررسي عوامل غيرخطي مي توان از ساختاري غير خطي، همانند شبكه هاي عصبي استفاده كرد.

با توجه به پاسخ بلندگو، هيچ كاهشي در مقادير كمتر از 200 هرتز بدست نمي آيد [1]. همچنين به دليل اينكه تكنيك هاي غير فعال براي كاهش نويز در فركانس هاي كمتر از 500 هرتز موفقيت آميز‌نبوده اند [1، 6، 16]، از سيستم هاي ANC در محدوده ي 200 تا 500 هرتز استفاده مي شود. استفاده از بلندگوهاي مناسب باعث كاهش حد پاييني اين محدوده مي شود [1]. حد بالايي عملكرد را محدود نمي كند، چرا كه تكنيك هاي غيرفعال براي كاهش نويز در فركانس هاي بالاتر از 500 هرتز موفقيت آميز خواهد بود.



[1] - Acoustic Noise Cancelling

فهرست مطالب

چكيده

فصل صفر: مقدمه
 
فصل اول: مقدمه اي بر كنترل نويز آكوستيكي
1-1) مقدمه
1-2) علل نياز به كنترل نويزهاي صوتي (فعال و غير فعال)
1-2-1) بيماري هاي جسمي
1-2-2) بيماري هاي رواني
1-2-3) راندمان و كارايي افراد
1-2-4) فرسودگي
1-2-5) آسايش و راحتي
1-2-6 جنبه هاي اقتصادي
1-3) نقاط ضعف كنترل نويز به روش غيرفعال
1-3-1) كارايي كم در فركانس هاي پايين
1-3-2) حجم زياد عايق هاي صوتي
1-3-3) گران بودن عايق هاي صوتي
1-3-4) محدوديت هاي اجرايي
1-3-5) محدوديت هاي مكانيكي
1-4) نقاط قوت كنترل نويز به روش فعال
1-4-1) قابليت حذف نويز در يك گسترده ي فركانسي وسيع
1-4-2) قابليت خود تنظيمي سيستم
1-5) كاربرد ANC در گوشي فعال
1-5-1) تضعيف صدا به روش غير فعال در هدفون
1-5-2) تضعيف صدا به روش آنالوگ در هدفون
1-5-3) تضعيف صوت به روش ديجيتال در هدفون
1-5-4) تضعيف صوت به وسيله ي تركيب سيستم هاي آنالوگ و ديجيتال در هدفون
1-6) نتيجه گيري
 
فصل دوم: اصول فيلترهاي وفقي
2-1) مقدمه
2-2) فيلتر وفقي
2-2-1) محيط هاي كاربردي فيلترهاي وفقي
2-3) الگوريتم هاي وفقي
2-4) روش تحليلي
2-4-1) تابع عملكرد سيستم وفقي
2-4-2) گراديان يا مقادير بهينه بردار وزن
2-4-3) مفهوم بردارها و مقادير مشخصه R روي سطح عملكرد خطا
2-4-4) شرط همگرا شدن به٭ W
2-5) روش جستجو
2-5-1) الگوريتم جستجوي گردايان
2-5-2) پايداري و نرخ همگرايي الگوريتم
2-5-3) منحني يادگيري
2-6) MSE اضافي
2-7) عدم تنظيم
2-8) ثابت زماني
2-9) الگوريتم LMS
2-9-1) همگرايي الگوريتم LMS
2-10) الگوريتم هاي LMS اصلاح شده
2-10-1) الگوريتم LMS نرماليزه شده (NLMS)
2-10-2) الگوريتم هاي وو LMS علامتدار وو (SLMS)
2-11) نتيجه گيري
 
فصل سوم: اصول كنترل فعال نويز
3-1) مقدمه                                                                                                                                      
3-2) انواع سيستم هاي كنترل نويز آكوستيكي                                                                             
3-3) معرفي سيستم حذف فعال نويز تك كاناله                                                                          
3-4) كنترل فعال نويز به روش پيشخور                                                                                        
3-4-1) سيستم ANC پيشخور باند پهن تك كاناله
3-4-2) سيستم ANC پيشخور باند باريك تك كاناله
3-5) سيستم هاي ANC پسخوردار تك كاناله
3-6) سيستم هاي ANC چند كاناله
3-7) الگوريتم هايي براي سيستم هاي ANC پسخوردار باند پهن
3-7-1) اثرات مسير ثانويه
3-7-2) الگوريتم FXLMS
3-7-3) اثرات فيدبك آكوستيكي
3-7-4) الگوريتم Filtered- URLMS
3-8) الگوريتم هاي سيستم ANC پسخوردار تك كاناله
3-9) نكاتي درباره ي طراحي سيستم هاي ANC تك كاناله
3-9-1) نرخ نمونه برداري و درجه ي فيلتر
3-9-2) عليت سيستم
3-10) نتيجه گيري
 
فصل چهارم: شبيه سازي سيستم ANC تك كاناله
4-1) مقدمه
4-2) اجراي الگوريتم FXLMS
4-2-1) حذف نويز باند باريك فركانس ثابت
4-2-2) حذف نويز باند باريك فركانس متغير
4-3) اجراي الگوريتم FBFXLMS
4-4) نتيجه گيري
 
فصل پنجم: كنترل غيرخطي نويز آكوستيكي در يك ماجرا
5-1) مقدمه
5-2) شبكه عصبي RBF
5-2-1) الگوريتم آموزشي در شبكه ي عصبي RBF
5-2-2) شبكه عصبي GRBF
5-3) شبكه ي TDNGRBF
5-4) استفاده از شبكه ي TDNGRBF در حذف فعال نويز
5-5) نتيجه گيري
 
فصل ششم: نتيجه گيري و پيشنهادات
6-1) نتيجه گيري
6-2) پيشنهادات
مراجع
_______________

مراجع

 

[1] C.Mosquera, J.A.Gomez, F.perez, M. Sobreira, ,,Adaptive IIR Fjlters for Active noise Control, Sixth International Congress on Sound and Vibration, 5-8 July 1999, Copenhagen, Denmark.

 

[2] P.Lveg, “process of silencing sound oscillations,”U.S.Patent 2043416,June 9,1936.

 

[3] Widrow,B., and S.D.Steans.” Adaptive Signal Processing”,Prentice-Hall, Englewood Cliffs, NJ.1985.

 

[4] Morgan,”D.R.” Analysis of Multiple Correlation Cancelation Loop With a Filter in the Auxiliary path,”IEEE Trans. on ASSP, Vol. ASSP –28, NO .4, PP. 454-467 August, 1980.

 

[5] Burgess, J.C.,”Active Adaptive Sound Control in a Duct: A Computer Simulation,”J.Acoust. Soc. Am., Vol. 70, No.3, p.p.715-726, Sept, 1981.

 

[6] Kuo, SM et al,”Design Of Active noise control systems with the TMS320 family “Texas Instruments, 1996.

 

[7] Boaz Rafaely,”Active noise Reducing Headser”,http://www.Osee.Net/white papers/paper489. Pdf, 2000.

 

[8]L.J.Eriksson and M.C.Allie.”System Considerations for Adaptive Modelling Applied  to Active Noise Control.”.IEEE International Symposisum on,pp: 2390, Vol. 3, 7-9 JUNE 1988.

 

[9] Petre Stoica and Torsten Soderstrom,” Statistical Analysis of Music and Subspace Rotation Estimates of Sinusoidal Frequencies”. IEEE Trans. On Signal processing, Vol.39, No.8, August 1991.


1403/10/2 - فایل روز