پایان نامه ارائه روش جدید جهت حذف نویز آكوستیكی در یك مجرا

پایان نامه ارائه روش جدید جهت حذف نویز آكوستیكی در یك مجرا پایان نامه ارائه روش جدید جهت حذف نویز آكوستیكی در یك مجرا

دسته : -پژوهش

فرمت فایل : word

حجم فایل : 7176 KB

تعداد صفحات : 101

بازدیدها : 246

برچسبها : دانلود پایان نامه پژوهش پروژه

مبلغ : 7700 تومان

خرید این فایل

پایان نامه ارائه روش جدید جهت حذف نویز آكوستیكی در یك مجرا

پایان نامه ارائه روش جدید جهت حذف نویز آكوستیكی در یك مجرا

پایان نامه كارشناسی رشته مهندسی برق – الكترونیك 

فهرست مطالب
صفحه
چكیده
فصل صفر: مقدمه
فصل اول: مقدمه ای بر كنترل نویز آكوستیكی
1-1) مقدمه
1-2) علل نیاز به كنترل نویزهای صوتی (فعال و غیر فعال)
1-2-1) بیماری های جسمی
1-2-2) بیماری های روانی
1-2-3) راندمان و كارایی افراد
1-2-4) فرسودگی
1-2-5) آسایش و راحتی
1-2-6 جنبه های اقتصادی
1-3) نقاط ضعف كنترل نویز به روش غیرفعال
1-3-1) كارایی كم در فركانس های پایین
1-3-2) حجم زیاد عایق های صوتی
1-3-3) گران بودن عایق های صوتی
1-3-4) محدودیت های اجرایی
1-3-5) محدودیت های مكانیكی
1-4) نقاط قوت كنترل نویز به روش فعال
1-4-1) قابلیت حذف نویز در یك گسترده ی فركانسی وسیع
1-4-2) قابلیت خود تنظیمی سیستم
1-5) كاربرد ANC در گوشی فعال
1-5-1) تضعیف صدا به روش غیر فعال در هدفون
1-5-2) تضعیف صدا به روش آنالوگ در هدفون
1-5-3) تضعیف صوت به روش دیجیتال در هدفون
1-5-4) تضعیف صوت به وسیله ی تركیب سیستم های آنالوگ و دیجیتال در هدفون
1-6) نتیجه گیری
فصل دوم: اصول فیلترهای وفقی
2-1) مقدمه
2-2) فیلتر وفقی
2-2-1) محیط های كاربردی فیلترهای وفقی
2-3) الگوریتم های وفقی
2-4) روش تحلیلی
2-4-1) تابع عملكرد سیستم وفقی
2-4-2) گرادیان یا مقادیر بهینه بردار وزن
2-4-3) مفهوم بردارها و مقادیر مشخصه R روی سطح عملكرد خطا
2-4-4) شرط همگرا شدن به٭ 
2-5) روش جستجو
2-5-1) الگوریتم جستجوی گردایان
2-5-2) پایداری و نرخ همگرایی الگوریتم
2-5-3) منحنی یادگیری
2-6) MSE اضافی
2-7) عدم تنظیم
2-8) ثابت زمانی
2-9) الگوریتم LMS
2-9-1) همگرایی الگوریتم LMS
2-10) الگوریتم های LMS اصلاح شده
2-10-1) الگوریتم LMS نرمالیزه شده (NLMS)
2-10-2) الگوریتم های وو LMS علامتدار وو (SLMS)
2-11) نتیجه گیری
فصل سوم: اصول كنترل فعال نویز
3-1) مقدمه 
3-2) انواع سیستم های كنترل نویز آكوستیكی 
3-3) معرفی سیستم حذف فعال نویز تك كاناله 
3-4) كنترل فعال نویز به روش پیشخور 
3-4-1) سیستم ANC پیشخور باند پهن تك كاناله
3-4-2) سیستم ANC پیشخور باند باریك تك كاناله
3-5) سیستم های ANC پسخوردار تك كاناله
3-6) سیستم های ANC چند كاناله
3-7) الگوریتم هایی برای سیستم های ANC پسخوردار باند پهن
3-7-1) اثرات مسیر ثانویه
3-7-2) الگوریتم FXLMS
3-7-3) اثرات فیدبك آكوستیكی
3-7-4) الگوریتم Filtered- URLMS
3-8) الگوریتم های سیستم ANC پسخوردار تك كاناله
3-9) نكاتی درباره ی طراحی سیستم های ANC تك كاناله
3-9-1) نرخ نمونه برداری و درجه ی فیلتر
3-9-2) علیت سیستم
3-10) نتیجه گیری
فصل چهارم: شبیه سازی سیستم ANC تك كاناله
4-1) مقدمه
4-2) اجرای الگوریتم FXLMS
4-2-1) حذف نویز باند باریك فركانس ثابت
4-2-2) حذف نویز باند باریك فركانس متغیر
4-3) اجرای الگوریتم FBFXLMS
4-4) نتیجه گیری
فصل پنجم: كنترل غیرخطی نویز آكوستیكی در یك ماجرا
5-1) مقدمه
5-2) شبكه عصبی RBF
5-2-1) الگوریتم آموزشی در شبكه ی عصبی RBF
5-2-2) شبكه عصبی GRBF
5-3) شبكه ی TDNGRBF
5-4) استفاده از شبكه ی TDNGRBF در حذف فعال نویز
5-5) نتیجه گیری
فصل ششم: نتیجه گیری و پیشنهادات
6-1) نتیجه گیری
6-2) پیشنهادات
مراجع
چكیده
تاكنون برای حذف نویزهای آكوستیكی از روش های فعال[1] و غیر فعال[2]استفاده شده است. برخلاف روش غیر فعال می‌توان بوسیله‌ی روش فعال، نویز را در فركانس های پایین (زیر 500 هرتز)، حذف و یا كاهش داد. در روش فعال از سیستمی استفاده می شود كه شامل یك فیلتر وفقی است. به دلیل ردیابی خوب فیلتر [3] LMS در محیط نویزی، الگوریتم FXLMS[4] بعنوان روشی پایه ارائه شده است. اشكال الگوریتم مذكور این است كه در مسائل كنترل خطی استفاده می شود. یعنی اگر فركانس نویز متغیر باشد و یا سیستم كنترلی بصورت غیرخطی كار كند، الگوریتم فوق به خوبی كار نكرده و یا واگرا می شود.
بنابراین در این پایان نامه، ابتدا به ارائه ی گونه ای از الگوریتم FXLMS می پردازیم كه قابلیت حذف نویز، با فركانس متغیر، در یك مجرا و در كوتاه‌ترین زمان ممكن را دارد. برای دستیابی به آن می توان از یك گام حركت وفقی بهینه () در الگوریتم FXLMS استفاده كرد. به این منظور محدوده ی گام حركت بهینه در فركانس های 200 تا 500 هرتز را در داخل یك مجرا محاسبه كرده تا گام حركت بهینه بر حسب فركانس ورودی به صورت یك منحنی اسپلاین مدل شود. حال با تخمین فركانس سیگنال ورودی به صورت یك منحنی اسپلاین مدل شود. حال با تخمین فركانس 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 كوتاه‌ترین زمان، ممكن شود. در نهایت خواهیم دید كه الگوریتم FXLMS معمولی با گام ثابت با تغییر فركانس واگرا شده حال آنكه روش ارائه شده در این پایان نامه قابلیت ردگیری نویز با فركانس متغیر را فراهم می آورد.
همچنین‌به دلیل‌ماهیت غیرخطی سیستم‌های‌ANC ، به ارائه‌ی نوعی شبكه‌ی عصبی‌ RBF TDNGRBF ) [6] ( می‌پردازیم كه توانایی مدل كردن رفتار غیرخطی را خواهد داشت. سپس از آن در حذف نویز باند باریك فركانس متغیر در یك مجرا استفاده كرده و نتایج آن را با الگوریتم FXLMS مقایسه می كنیم. خواهیم دید كه روش ارائه شده در مقایسه با الگوریتم FXLMS، با وجود عدم نیاز به تخمین مسیر ثانویه، دارای سرعت همگرایی بالاتر (3 برابر) و خطای كمتری (30% كاهش خطا) است. برای حذف فعال نویز به روش TDNGRBF، ابتدا با یك شبكه ی GRBF به شناسایی مجرا می‌پردازیم. سپس با اعمال N تاخیر زمانی از سیگنال ورودی به N شبكه ی GRBF (با تركیب خطی در خروجی آنها)، شناسایی سیستم غیرخطی بصورت بر خط امكان پذیر می شود. ضرایب بكار رفته در تركیب خطی با استفاده از الگوریتم [7]NLMS بهینه می شوند.

خرید و دانلود آنی فایل

به اشتراک بگذارید

Alternate Text

آیا سوال یا مشکلی دارید؟

از طریق این فرم با ما در تماس باشید