شماره تماس با تلگرام ::: 09355102506 ::: ir7sad[at ]gmail.com

پایان نامه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا

پایان نامه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا www.7sad.ir

پایان نامه پایان نامه رشته برق و الکترونیک

پایان نامه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا

ارسال شده توسط 7sad.ir

پایان نامه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا

در بزرگترین وب سایت پروژه و پایان نامه وتحقیق ومقاله و کارورزی وترجمه مقالات جدیدو، نمونه سوالات پیام نور وانجام پایان نامه

www.7sad.ir 

مختصری ازپایان نامه :

نام فایل :  ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا

رشته : مهندسی برق

فرمت : WORD

تعدادصفحات :۱۰۰

قیمت : ۱۵۰۰۰۰

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.

فهرست مطالب

عنوان

صفحه

چكيده

فصل صفر: مقدمه

۱

۲

فصل اول: مقدمه اي بر كنترل نويز آكوستيكي

۷

۱-۱) مقدمه

۸

۱-۲) علل نياز به كنترل نويزهاي صوتي (فعال و غير فعال)

۹

۱-۲-۱) بيماري هاي جسمي

۹

۱-۲-۲) بيماري هاي رواني

۹

۱-۲-۳) راندمان و كارايي افراد

۹

۱-۲-۴) فرسودگي

۹

۱-۲-۵) آسايش و راحتي

۹

۱-۲-۶ جنبه هاي اقتصادي

۱۰

۱-۳) نقاط ضعف كنترل نويز به روش غيرفعال

۱۰

۱-۳-۱) كارايي كم در فركانس هاي پايين

۱۰

۱-۳-۲) حجم زياد عايق هاي صوتي

۱۰

۱-۳-۳) گران بودن عايق هاي صوتي

۱۰

۱-۳-۴) محدوديت هاي اجرايي

۱۰

۱-۳-۵) محدوديت هاي مكانيكي

۱۰

۱-۴) نقاط قوت كنترل نويز به روش فعال

۱۱

۱-۴-۱) قابليت حذف نويز در يك گسترده ي فركانسي وسيع

۱۱

۱-۴-۲) قابليت خود تنظيمي سيستم

۱۱

۱-۵) كاربرد ANC در گوشي فعال

۱۱

۱-۵-۱) تضعيف صدا به روش غير فعال در هدفون

۱۲

۱-۵-۲) تضعيف صدا به روش آنالوگ در هدفون

۱۳

۱-۵-۳) تضعيف صوت به روش ديجيتال در هدفون

۱۵

۱-۵-۴) تضعيف صوت به وسيله ي تركيب سيستم هاي آنالوگ و ديجيتال در هدفون

۱۶

۱-۶) نتيجه گيري

۱۷

 

فصل دوم: اصول فيلترهاي وفقي

 

۱۸

۲-۱) مقدمه

۱۹

۲-۲) فيلتر وفقي

۲۰

۲-۲-۱) محيط هاي كاربردي فيلترهاي وفقي

۲۲

۲-۳) الگوريتم هاي وفقي

۲۵

۲-۴) روش تحليلي

۲۵

۲-۴-۱) تابع عملكرد سيستم وفقي

۲۶

۲-۴-۲) گراديان يا مقادير بهينه بردار وزن

۲۸

۲-۴-۳) مفهوم بردارها و مقادير مشخصه R روي سطح عملكرد خطا

۳۰

۲-۴-۴) شرط همگرا شدن به٭ W

۳۲

۲-۵) روش جستجو

۳۲

۲-۵-۱) الگوريتم جستجوي گردايان

۳۲

۲-۵-۲) پايداري و نرخ همگرايي الگوريتم

۳۵

۲-۵-۳) منحني يادگيري

۳۶

۲-۶) MSE اضافي

۳۶

۲-۷) عدم تنظيم

۳۷

۲-۸) ثابت زماني

۳۷

۲-۹) الگوريتم LMS

۳۸

۲-۹-۱) همگرايي الگوريتم LMS

۳۹

۲-۱۰) الگوريتم هاي LMS اصلاح شده

۴۰

۲-۱۰-۱) الگوريتم LMS نرماليزه شده (NLMS)

۴۱

۲-۱۰-۲) الگوريتم هاي وو LMS علامتدار وو (SLMS)

۴۱

۲-۱۱) نتيجه گيري

۴۳

 

فصل سوم: اصول كنترل فعال نويز

 

۴۴

۳-۱) مقدمه                                                                                                                                       

۴۵

۳-۲) انواع سيستم هاي كنترل نويز آكوستيكي                                                                              

۴۵

۳-۳) معرفي سيستم حذف فعال نويز تك كاناله                                                                           

۴۷

۳-۴) كنترل فعال نويز به روش پيشخور                                                                                        

۴۸

۳-۴-۱) سيستم ANC پيشخور باند پهن تك كاناله

۴۹

۳-۴-۲) سيستم ANC پيشخور باند باريك تك كاناله

۵۰

۳-۵) سيستم هاي ANC پسخوردار تك كاناله

۵۱

۳-۶) سيستم هاي ANC چند كاناله

۵۲

۳-۷) الگوريتم هايي براي سيستم هاي ANC پسخوردار باند پهن

۵۳

۳-۷-۱) اثرات مسير ثانويه

۵۴

۳-۷-۲) الگوريتم FXLMS

۵۷

۳-۷-۳) اثرات فيدبك آكوستيكي

۶۱

۳-۷-۴) الگوريتم Filtered- URLMS

۶۶

۳-۸) الگوريتم هاي سيستم ANC پسخوردار تك كاناله

۶۹

۳-۹) نكاتي درباره ي طراحي سيستم هاي ANC تك كاناله

۷۰

۳-۹-۱) نرخ نمونه برداري و درجه ي فيلتر

۷۲

۳-۹-۲) عليت سيستم

۷۳

۳-۱۰) نتيجه گيري

۷۴

 

فصل چهارم: شبيه سازي سيستم ANC تك كاناله

 

۷۵

۴-۱) مقدمه

۷۶

۴-۲) اجراي الگوريتم FXLMS

۷۶

۴-۲-۱) حذف نويز باند باريك فركانس ثابت

۷۶

۴-۲-۲) حذف نويز باند باريك فركانس متغير

۸۱

۴-۳) اجراي الگوريتم FBFXLMS

۸۳

۴-۴) نتيجه گيري

۸۵

 

فصل پنجم: كنترل غيرخطي نويز آكوستيكي در يك ماجرا

 

۸۶

۵-۱) مقدمه

۸۷

۵-۲) شبكه عصبي RBF

۸۸

۵-۲-۱) الگوريتم آموزشي در شبكه ي عصبي RBF

۹۰

۵-۲-۲) شبكه عصبي GRBF

۹۳

۵-۳) شبكه ي TDNGRBF

۹۴

۵-۴) استفاده از شبكه ي TDNGRBF در حذف فعال نويز

۹۵

۵-۵) نتيجه گيري

۹۸

 

فصل ششم: نتيجه گيري و پيشنهادات

 

۹۹

۶-۱) نتيجه گيري

۱۰۰

۶-۲) پيشنهادات

۱۰۱

مراجع

I

 

برچسب , , , , , , ,

نوشته شده توسط 7sad.ir

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

شانزده + 2 =