جزوه-پروژه-کنکور-تحقیقات دانشجویی-کاردانی-کارشناسی-ارشد

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] LMSدر 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.