:: با کلیک بر روی پرداخت آنلاین، به صفحه پرداخت هدایت خواهید شد و بعد از پرداخت از طریق کارت های اعتباری بانکی ، لینک دانلود فعال شده و می توانید فایل مورد نظر خود را دانلود کنید.
  • پروژه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا

    دسته :

    برق و الکترونیک

    فرمت/ورد تعداد صفحات 102
    قیمت : 8000 تومان

::
توضیحات بیشتر در مورد پروژه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا :

پروژه  ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا 

 فهرست

چکیده   ۱
مقدمه    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

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.

مقدمه

در سال های اخیر حذف نویز آکوستیکی[۱](ANC) با روش های فعال به دلیل کاربردهای فراوان آن مورد توجه بسیاری از محققین بوده است. برخلاف روش غیرفعال می توان بوسیله ی روش فعال، نویز را در فرکانس های پایین (زیر ۵۰۰ هرتز)، حذف و یا کاهش داد [۱۶،۱] اولین بار کنترل فعال نویز توسط Pual Lveg در سال ۱۹۳۶ برای حذف نویز در مجرا- در مواردی چون سیستم های تهویه و تبرید هوا و اگزوز و ….. معرفی و تشریح گردید [۲]. در این سیستم نویز با تولید یک صوت مشابه (هم دامنه)، ولی با فاز مخالف حذف می گردد. به این منظور باید دامنه و فاز نویز تشخیص داده شده و معکوس آن تولید شود.

سیستم ایجاد شده باید قابلیت کنترل وفقی نویز را داشته باشد تا بتواند تغییرات ایجاد شده در نویز اولیه را ردگیری نماید [۱، ۸، ۱۲] عموماً در ANC از فیلتر FIR بعنوان یک کنترلگر وفقی استفاده می شود که وزن های آن توسط الگوریتم LMS بهینه می شوند. اما به دلیل ظاهر شدن تابع تبدیل مسیر ثانویه در سیستم ANC، بایستی الگوریتم LMS جهت دستیابی به همگرایی اصلاح گردد [۴]. لذا در ANC از الگوریتم FXLMS- که سیگنال فیلتر شده ی نویز را بعنوان ورودی الگوریتم در نظر می گیرد- استفاده می شود. این الگوریتم در ابتدا به وسیله ی مورگان بیان شد [۴] و سپس Burgess پیشنهاد کرد که از آن برای حذف نویز داخل مجرا استفاده شود [۵]. نویز باقیمانده نیز می تواند به عنوان سیگنال ورودی به الگوریتم وفقی برای تنظیم ضرایب فیلتر و تخمین اثرات کانال آکوستیکی استفاده شود.

الگوریتم FXLMS یک روش ساده ای را پیشنهاد می کند که به منظور انتخاب گام حرکت() مناسب، نیاز به دانشی در مورد خصوصیات آماری داده های ورودی دارد. 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 FXNLMS 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]. از مشکلات الگوریتم FXLMS این است که برای حذف نویز باند پهن نیاز به فیلتری از درجات بالا دارد که سبب افزایش طول مجرا می شود [۶]. همچنین این الگوریتم تنها در مورد کنترل کننده های خطی صادق است و برای کنترل کننده های غیر خطی قابل استفاده نیست [۵۱، ۵۲]. در سیستم های ANC، عوامل غیرخطی از محرک های ثانویه (سیستم های آکوستیکی غیر خطی 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 غیر خطی، همانند شبکه های عصبی استفاده کرد.

با توجه به پاسخ بلندگو، هیچ کاهشی در مقادیر کمتر از ۲۰۰ هرتز بدست نمی آید [۱]. همچنین به دلیل اینکه تکنیک های غیر فعال برای کاهش نویز در فرکانس های کمتر از ۵۰۰ هرتز موفقیت آمیز‌نبوده اند [۱، ۶، ۱۶]، از سیستم های ANC در محدوده ی ۲۰۰ تا ۵۰۰ هرتز استفاده می شود. استفاده از بلندگوهای مناسب باعث کاهش حد پایینی این محدوده می شود [۱]. حد بالایی عملکرد را محدود نمی کند، چرا که تکنیک های غیرفعال برای کاهش نویز در فرکانس های بالاتر از ۵۰۰ هرتز موفقیت آمیز خواهد بود.

در اجرای الگوریتم FXLMS ، برای اینکه نویز پریودیک تک فرکانس ورودی به مجرا در کوتاهترین زمان ممکن حذف شود، احتیاج به گام حرکت بهینه() در فیلتر وفقی داریم. ولی در عمل اگر فرکانس ورودی تغییراتی داشته باشد، ممکن است که حذف نویز در کوتاهترین زمان ممکن اتفاق نیفتد و یا سیستم بصورت واگرا عمل کند. در این پایان نامه برای رفع این مشکل، از یک گام حرکت وفقی در الگوریتم FXLMS استفاده می کنیم. به این منظور محدوده ی گام حرکت بهینه – در فرکانس های ۲۰۰ تا ۵۰۰ هرتز – را محاسبه کرده تا اینکه یک منحنی اسپلاین گام حرکت بهینه برحسب فرکانس ورودی بدست آید. حال با تخمین فرکانس ورودی بوسیله ی الگوریتم MUSIC و استفاده از منحنی بدست آمده، را محاسبه کرده و از آن در الگوریتم FXLMS استفاده می کنیم.

همچنین در این پایان نامه با ارائه ی یک شبکه ی غیرخطی TDNGRBF، به حذف فعال نویز باند باریک فرکانس متغیر می پردازیم. نمونه های (n)x تا X(n-N) ، به N تا شبکه ی GRBF وارد می شوند و سپس از ترکیب خطی خروجی آنها برای حذف نویز در یک مجرا استفاده می شود. وزن های شبکه ی GRBF روی سیگنال سینوسی فرکانس متغیر ۲۰۰ تا ۵۰۰ هرتز محاسبه می شوند و در نهایت روش TDNGRBF قابلیت حذف نویز در مجرا را نشان می دهد.

این پایان نامه بصورت زیر سازمان دهی شده است:

در فصل اول دلایل نیاز به کنترل نویزهای صوتی، تایخچه ی سیستم های کنترل فعال نویز و دلایل برتری آن نسبت به روش کنترل غیرفعال مورد توجه قرار گرفته است. در پایان فصل به معرفی گوشی فعال- که نمونه ی صنعتی از این سیستم ها می باشد ، می پردازیم.

در فصل دوم اصول فیلترهای وفقی را تشریح کرده و در این راستا الگوریتم LMS را بطور کامل توضیح می دهیم. نحوه ی انتخاب ضریب همگرایی و زمان همگرایی از نکاتی است که دراین فصل بررسی می گردد. همچنین الگوریتم های SLMS,NLMS و CLMS را معرفی می کنیم.

در فصل سوم به بررسی اصول کنترل فعال نویز در یک مجرا می پردازیم. بدین منظور روش های پیشخور مبتنی بر الگوریتم های FBFXLMS, FXLMS  در فصل چهارم ارائه خواهد شد. در این راه ابتدا شبیه سازی یک سیستم ANC تک کاناله با الگوریتم FXLMS معمولی عرضه گردیده و سپس به ارائه گونه ای از الگوریتم FXLMS می پردازیم که قابلیت حذف نویز فرکانس متغیر- در کمترین زمان ممکن – را دارد. در پایان این فصل الگوریتم FBFXLMS نیز شبیه سازی شده است.

در فصل پنجم، ابتدا شبکه های عصبی GRBF,RBF را معرفی کرده و سپس با ارائه ی یک شبکه ی TDNGRBF رفتار غیر خطی سیگنال های زمانی را مدل کرده و از آن در حذف نویز باند باریک فرکانس متغیر در یک مجرا استفاده می کنیم.

در فصل ششم نتیجه گیری و پیشنهادات عرضه خواهد شد.

پروژه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا

قیمت : 8000 تومان

[ بلافاصله بعد از پرداخت لینک دانلود فعال می شود ]
  • Facebook |
  • Twitter |
  • Delicious |
  • Email
  • :این مطلب را به اشتراک بگذارید یا به دوستان تان پیشنهاد دهید
بروز رسانی : جمعه, ۱۵ مهر ۱۴۰۱
راهنمایی خرید

آمارگیر وبلاگ

© Copyright powerpoint24.ir 2009-2022