پایان نامه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا در word دارای 115 صفحه می باشد و دارای تنظیمات و فهرست کامل در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد پایان نامه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا در word کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است
توجه : توضیحات زیر بخشی از متن اصلی می باشد که بدون قالب و فرمت بندی کپی شده است
بخشی از فهرست مطالب پروژه پایان نامه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا در word
چکیده
مقدمه
فصل اول: مقدمه ای بر کنترل نویز آکوستیکی
1-1) مقدمه
1-2) علل نیاز به کنترل نویزهای صوتی (فعال و غیر فعال)
1-2-1) بیماری های جسمی
1-2-2) بیماری های روانی
1-2-3) راندمان و کارایی افراد
1-2-4) فرسودگی
1-2-5) آسایش و راحتی
1-2-6 جنبه های اقتصادی
1-3) نقاط ضعف کنترل نویز به روش غیرفعال
1-3-1) کارایی کم در فرکانس 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 مکانیکی
1-4) نقاط قوت کنترل نویز به روش فعال
1-4-1) قابلیت حذف نویز در یک گسترده ی فرکانسی وسیع
1-4-2) قابلیت خود تنظیمی سیستم
1-5) کاربرد 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 ترکیب 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 کاربردی فیلترهای وفقی
2-3) الگوریتم های وفقی
2-4) روش تحلیلی
2-4-1) تابع عملکرد سیستم وفقی
2-4-2) گرادیان یا مقادیر بهینه بردار وزن
2-4-3) مفهوم بردارها و مقادیر مشخصه R روی سطح عملکرد خطا
2-4-4) شرط همگرا شدن به W
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 کنترل فعال نویز
3-1) مقدمه
3-2) انواع سیستم های کنترل نویز آکوستیکی
3-3) معرفی سیستم حذف فعال نویز تک کاناله
3-4) کنترل فعال نویز به روش پیشخور
3-4-1) سیستم ANC پیشخور باند پهن تک کاناله
3-4-2) سیستم ANC پیشخور باند باریک تک کاناله
3-5) سیستم های ANC پسخوردار تک کاناله
3-6) سیستم های ANC چند کاناله
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 فیدبک آکوستیکی
3-7-4) الگوریتم Filtered- URLMS
3-8) الگوریتم های سیستم ANC پسخوردار تک کاناله
3-9) نکاتی درباره ی طراحی سیستم های ANC تک کاناله
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 تک کاناله
4-1) مقدمه
4-2) اجرای الگوریتم FXLMS
4-2-1) حذف نویز باند باریک فرکانس ثابت
4-2-2) حذف نویز باند باریک فرکانس متغیر
4-3) اجرای الگوریتم FBFXLMS
4-4) نتیجه گیری
فصل پنجم: کنترل غیرخطی نویز آکوستیکی در یک ماجرا
5-1) مقدمه
5-2) شبکه عصبی RBF
5-2-1) الگوریتم آموزشی در شبکه ی عصبی RBF
5-2-2) شبکه عصبی GRBF
5-3) شبکه ی TDNGRBF
5-4) استفاده از شبکه ی TDNGRBF در حذف فعال نویز
5-5) نتیجه گیری
فصل ششم: نتیجه گیری و پیشنهادات
6-1) نتیجه گیری
6-2) پیشنهادات
مراجع I
بخشی از منابع و مراجع پروژه پایان نامه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا در word
[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,
[3] Widrow,B., and S.D.Steans.” Adaptive Signal Processing”,Prentice-Hall, Englewood Cliffs, NJ
[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,
[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,
[6] Kuo, SM et al,”Design Of Active noise control systems with the TMS320 family “Texas Instruments,
[7] Boaz Rafaely,”Active noise Reducing Headser”,.
[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
[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
[10] oliver Besson and petre Stoccia ,”Analysis of MUSIC and ESPRIT Frequency Estimations for Sinusoidal Signal with Lowpass Envelopes”.IEEE, Trans. On signal processing, Vol.44,No.9, September
[11] Sen M.kuo and Dennis R.Morgan , ”active noise control : A Tutorial Review , ,, proceeding of the IEEE , Vol.87,no.6,june
[12] Sen M.Kuo and Dennis R.Morgan,”Active Noise Control: A Tutorial Revie”proceeding,of the IEEE, Vol.87, No.6,June
[13] E. Bjarnason, “Analysis of the Filtered –X LMS algorithm.”IEEE Trans. On Speech and Audio Processing, 3:504-514,November
[14] M.Rupp, “Saving Complexity of Modified Filtered-x-LMS and Delayed Update LMS Algorithms.”IEEE Trans. On Circuits and System II, 44:57-60, January
[15] S.J.Elliott and P.A.Nelson. “Active Noise Control” .IEEE processing PP.12-35,oct
[16] Anjelo J.Campanella,”active Noise control or cancellaction “ , campanella Associates ,
[17] Jacqueline Lamuth ,”noise “, ohio state university fact sheet ,community Development ,
[18] Olson ,H.F.and May,E.G,” electronic sound absorber “ .Journal of the Acoustical Society of America ,25,1130-1136,
[19] E.D.Simshauser and M.E.Hawely .” The Noise Canceling Headset an active ear defender ,” Journal of the acoustical society of America ,27,207,
[20] M.H.Hawley , “ acoustic interference for of noise control ,” Noise control ,2,61,63,
[21] W.F.Meeker,”componenets characteristics for an active ear Defender ,” Journal of the Accoustical society of America ,29,1252,
[22] A. Roure,”Self Adaptive Broadband Active sound control system .” journal of sound and vibration , 101,429-441,
[23] L.J.Eriksoon and M.C Allie , “ Use of Random noise for on-line transducer Modoling in an Adaptive active attenuatuion system ,” journal of the acoustical society of America ,85,797-802,
[24] W.K.Tseng, B,rafaely and S.J.Ellitt,”Combined Feedback – feed forward active control of sound in a room , “ journal of the Acoustival society of America ,104 (6), 3417-3425,
[25] M.Winberg,S.Johansson , T.logo and I. classon ,” A new passive / active hybrid for a helicopter application , “ International journal of acoustics and vibration 4(2),51-
[26] C.Carme , “ the third principle of active control : the feed forback , “ Active99 Conference , Ft.Laudaredle 885-896.2-4 December ,
[27] L.J.Ericsson,M.c.Allie , and R.A.greiner . “ The selection and application of IIR adaptive filter for use in active sound attenuation “ . IEEE Trance . on Acoustics , speech and signal processing , ASSP-35:433-437,April
[28] S.M>kuo and C.chen , “ Implementation of adaptive filters with the Tms30c25 or The TmS32oc30 , “ in digital Signah processing Applications with The TMs320 family , vol . 3,p,pamichalis , Ed.englewood Cliffs , Nj: prentice Hall , ch.7 , pp.191-271,
[29] Alan V.Oppenheim , Ronald W.Schafer , “Discrete_Time signal processing , “ published by prentice_Hall,Inc.Upper saddle River , new jersey 07458,
[30] T.Kailath , “ A View of Three decades of linear Filtering Theory , “ IEEE Trams Inf. Theory , vol.It-20,pp.145-181,mar,
[31] Gibson J.D. “ Backward Adaptive Prediction as spectral Analysis Whithin a closed Loop , “ IEEE Trans . Aeoustics , Speech and signal Processing Vol. ASSp-33,pp.1166-1174.oct
[32] B.Widrow,J.M.Mc cool , M.G.Larimore , and C.R.Johnson , Jr.” Stationary and No stationary learning Characteristics of LMS Adaptive Filter. “Proc. IEEE. VOL 64,pp1151-1162,Aug
[33] D.C.Farden ,”Traking properties of Adaptive signal Proccessing Algorithms , “ IEEE Trans.Speech Signal Process,Vol ASSP-29,439.gum
[34] A.Fever and E,Weinstein., ”Convergence Analysis of LMS Filters with uncorrelated Gaussin data., ”LEEE Trans.,Acoust.,Speech, Singnal Processing. ASSP-33:222-230.Feb
[35] J.R. Treichler C.R .Johnson. and M.G.Larimore, ”Theory and Design of Adaptive Filters, ”John Wiley & sons
[36] B.Widrow, J.M.Mc Cool, and M.Ball, ”The Complex LMS Algorithm,Proc.IEEE.63:719-720.Apr
[37] D.C.Swanson. ”A tability Robustness Comparison of Adaptive Feedforward and Feedback Control Algorthms, ”In Proc.Recent Advances in Active Control of Sound Vibration ,P.P.165-
[38] M.Miyoshi and Y.Kaneda. ”Inverse Filtering of Room Acoustics, ”.IEEE , Trans Acoust.,Speech,Singnal Processing.(36):145-
[39] Shuichi Adachi and Hisashisonal, ”Modeling of Acoustic Field for Feedback Active Noise Control, ”.IEEE Signal Processing magazine ,
[40] Shuichi Adachi and Hisashisonal, ”Active Noise Control System for Automobiles Based on Adeptive and Robust Control, ”Processing of the IEEE,International control Application, P.P.1125-1126,September
[41] S.D.Synder and C.M.Hansen, ”The Effect of Transfer, ”Function Estimation Errors on the Filtered x LMS Algorithm , ”IEEE Transactions on Signal Processing, Vol.42,P.P.950-953,
[42] D.R.Morgan” An Adaptive Model Based Active Control System. ”Jourmal of The Acoustical Society of America,Vol.89,P.P248-256,
[43] Eriksson,L.J., ”Development of the Filtered U Algorithm for Active Noise control, ”.Acoust.Soc.Am.,Vol.89,No.1,PP.256-265,January,
[44] Lennart Ljung and Suante Gunarsoon, ”Adaptation and Tracking in system Identification A Survey”,Automazine, Vol.26,No.1,PP.7-21,
[45] 1J.Elliott, M.C.Allie and R.A.Greiner, ” The Selection and Application of an IIR Adaptive Filter for Use in Attenion, ” IEEE Trans. On Acoustics,Speech and Signal Processing,Assp-35,PP.433-437,
[46] M.Takahashi, T.Turbayashi, K.Hamada, T.Enikoda and T.Mura , ” Electric Sound Cancellation in Air_ ConditioningDuct System, ” Proceeding Inter _Noise,PP.607-610,
[47] L.J.Eriksson. ”Active Sound Attenuation Using Adaptive Digital Signal Processing techniques , ”.University of Wisconsin .Madison
[48] S.J.Elliott and L.Biller, ”Adaptive Control of Flexural Waves Propagating in a beam ”, Journal of Sound and Vibration ,Vol .163,PP.265-310,
[49] Feintuch,P.F., ”An Adaptive Recursive LMS Filter, ” Proc, of IEEE,Vol.64,PP.1622-1624,November
[50] S.M.Kuo and D.R.Morgan , ”Active Noise Control Systems: Algorithms and Dsp Implementations, ”New York, Wiley ,
[51] S.D.Snyder and N.Tanaka, ”Active Control. Of Vibration Using a Neural Network,IEEE Trans. Networks, Vol.6,No.4,
[52] M.Bochard , B.Pillard and C.T.Le Dinh, ”Improved Training of Neural Networks For the Nonlinerar Active Control of Sound and Vibration , ”IEEE Transaction on Neural Networks,Vol.10,no.2,PP.391-401,Maret
[53] S.D.Snyder and N.TanaKa, ” Active Control of Vibration Using a Neural Network , ,, IEEE Trans .Neural Network , Vol.6,No.4,
[54] S.Kumpati Narendra and Snehasis Mukhopadhyay , ,,Adaptive control using netrral Networks and Approximate Models , ,, IEEE Trasactions on Netural Networks, vol.8,No.3,PP.475-485,May,
[55] R.Bambang , ,,Active Cancellation Using Recurrent Radial Basis Function Neural Networks , ,, IEEE , Asia-Pcific Conference on , vol.2,PP.231-26A,28-31 Oct,
[56] M.R.Berthold , ,, A Time Delay Radial Basis function network for phoneme recognition , ,, IEEE International conference on neural network , vol.7,PP.4470-4473,
[57] S.Haykin , ,, neural networks a comprehensive foundation , ,, Macmillan college publishing company , inc
[58] Seng kah phooi,man zhihong,h.r.wu , ,, nonilinear active noise control using lyapunov theory , and RBF network , ,, IEEE, Neural networks for signal processing , vol.2,PP.916-925,11-13 Dec
[59] I.Gath, A.B.Geua, ” Unsupervised Optimal Fuzzy Clustering , ” Pattern Analysis and Machine Intelligence, IEEE Trans.on, Vol.11,PP:773-780,7 July,
[60] J.Bezdek, R.Ehrlich and W.Full, ” FCM: The Fuzzy c-means Clustring algorithm” Cornnput Geo sci, Vol.10,PP.191-203,
[61] N. Watanabe , T. Imaizumi , “Fuzzy K-Mean Clustering with Crisp Regions, ” The 10th IEEE International Conference on, Vol.1,PP.199-202,2-5 Dec,
[62] J. Dobsa, B.D. Basic , ” Concept Decomposition by Fuzzy k-means Algorithm” IEEE/WIC International conference on, PP.684-688, Oct,
چکیده
تاکنون برای حذف نویزهای آکوستیکی از روش های فعال[1] و غیر فعال[2]استفاده شده است. برخلاف روش غیر فعال میتوان بوسیله‌ی روش فعال، نویز را در فرکانس های پایین (زیر 500 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 [3] 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 200 تا 500 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 (3 برابر) و خطای کمتری (30% 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 [7]NLMS بهینه می شوند
مقدمه
در سال های اخیر حذف نویز آکوستیکی[1](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 500 هرتز)، حذف و یا کاهش داد [16،1] اولین بار کنترل فعال نویز توسط Pual Lveg در سال 1936 برای حذف نویز در مجرا- در مواردی چون سیستم های تهویه و تبرید هوا و اگزوز و ;.. معرفی و تشریح گردید [2]. 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 [1، 8، 12] 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 [4]. 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 [4] و سپس Burgess پیشنهاد کرد که از آن برای حذف نویز داخل مجرا استفاده شود [5]. 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 [58]. 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 [50]. 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 [6]. همچنین این الگوریتم تنها در مورد کنترل کننده های خطی صادق است و برای کنترل کننده های غیر خطی قابل استفاده نیست [51، 52]. 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 [52]. 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 200 هرتز بدست نمی آید [1]. همچنین به دلیل اینکه تکنیک های غیر فعال برای کاهش نویز در فرکانس های کمتر از 500 هرتز موفقیت آمیز‌نبوده اند [1، 6، 16]، از سیستم های ANC در محدوده ی 200 تا 500 هرتز استفاده می شود. استفاده از بلندگوهای مناسب باعث کاهش حد پایینی این محدوده می شود [1]. حد بالایی عملکرد را محدود نمی کند، چرا که تکنیک های غیرفعال برای کاهش نویز در فرکانس های بالاتر از 500 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 200 تا 500 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 200 تا 500 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
1-1 ) مقدمه
نویزهای آکوستیکی[1] موجود در محیط نه تنها تاثیر مستقیمی بر روی شنوایی افراد می گذارند، بلکه باعث کاهش راندمان و کارائی آنها، بیماری های جسمی از قبیل فشار خون، کاهش آسایش و راحتی افراد و فرسودگی در دستگاه ها می شوند. اگر چه مشکل سر و صدا نسبت به مساله آلودگی محیط با مواد آلوده کننده، توجه کمتری را به خود جلب می کند، اما امروزه آگاهی جامعه نسبت به انعکاس غیر بهداشتی اصوات بلند، بیش از همیشه وجود دارد. بنابراین تلاش های زیادی برای کاهش نویزهای آکوستیکی موجود در محیط شده است. بدین منظور روش های فعال[2] و غیرفعال[3]به کار می رود. بزرگترین مزیت موجود در روش فعال این است که برخلاف روش غیرفعال می توان نویز را در یک فضای کوچک و بخصوص در فرکانس های پایین (زیر 500 هرتز)، کاهش داد [1، 6، 16]
ایده اولیه کنترل فعال نویز توسط pual Lveg در سال 1936 برای حذف نویز در مجراها[4] معرفی و تشریح گردید [2]. این سیستم، صدای ناخواسته را بوسیله تولید یک موج صوتی مشابه (هم دامنه)، ولی با فاز مخالف از بین می برد. تداخل امواج نویزهای ناخواسته و موج ساخته شده، باعث حذف هر دو صدا میشود. اگر سیستم فعال، فاز و دامنه ی موج اولیه را به درستی تشخیص دهد، موفقیت در حذف نویز حاصل می شود
علی رغم تحقیقات انجام شده در دهه ی 1950 بر روی سیستم های کنترل فعال نویز، به دلیل فقدان تکنولوژی لازم، این سیستم ها بصورت عملی پیشرفت قابل ملاحظه ای نکردند. اما در سال های بعد، با بکارگیری تکنیک های دیجیتالی به جای سیستم های پیچیده آنالوگ و بکارگیری علم پردازش سیگنال های دیجیتال، پیشرفت قابل ملاحظه ای حاصل شد. بگونه ای که امکان دستیابی به سیستم های ANC در کاربردهای گوناگون فراهم آمد [3]. هم اکنون با پیدایش پردازنده های سریع سیگنال های دیجیتال ، امکان پیاده سازی سیستم های کنترل فعال نویز با استفاده از الگوریتم های مختلف محقق گردیده است
سیستم های کنترل فعال نویز در دهه ی 1980 بر پایه ی نظریه ی فیلترهای وفقی بنا و توسعه داده شده است [4]. با توجه به توانایی ها و ارزان قیمت بودن سخت افزارهای DSP مثل خانواده ی TMS320، تکنولوژی استفاده از این سخت افزارها همراه با تئوری ANC عملی شده است [7]
1-2)علل نیاز به کنترل نویزهای صوتی (فعال و غیرفعال)
1-2-1) بیماری های جسمی [17]
یکی از مشکلات اساسی در مورد وجود صدا با شدت بالا، اثرات نابهنجار شنوایی است که کودکان بیشتر در معرض این بیماری ها قرار می گیرند. باید به این توجه کرد که سطح فشار آکوستیکی db 130 به عنوان آستانه دردناکی نامیده می شود. بعنوان نمونه چندین نوع صدا به همراه مقدار شدت صدا در زیر آمورده شده است
1) صدای جریان آب در رودخانه و صدای خش خش برگ درختان: db
2) صدای ناشی از یک صحبت معمولی: db 60-
3) صدای یک صورت تراش الکتریکی: db
4) صدای ناشی از پرتاب موشک در فاصله ی 150 فوتی از سکوی پرتاب: db
1-2-2) بیماری های روانی [17]
اصوات ناخواسته، یکی از مهمترین عوامل در به هم زدن تعادل روانی افراد می باشند. در تحقیقاتی که جدیداً بر روی کودکان انجام گرفته است، نشان می دهد که یادگیری کودکان در محیط های شلوغ به شدت کاهش می یابد
1-2-3) راندمان و کارایی افراد
کاهش هوشیاری و خستگی ناشی از سر و صدا در هنگام کار، از مهمترین عوامل کاهش کارایی افراد است
1-2-4) فرسودگی
در اثر لرزش در سطوح و بدنه وسایل، طول عمر وسایل کاهش خواهد یافت. بعنوان مثال، فرسودگی هلیکوپتر به خاطر ارتعاش ناشی از چرخش ملخ هیلکوپتر، بعنوان یکی از مهمترین پارامترهای فرسودگی در نظر گرفته می شود
1-2-5) آسایش و راحتی
یکی از عوامل حیاتی در بیمارستان ها و محیط های درمانی، حفظ آرامش می باشد که با حذف نویزهای صوتی، این آرامش به حد قابل قبولی بدست خواهد آمد
1-2-6) جنبه های اقتصادی
نویز صوتی موجود در محیط کار، باعث کاهش کارایی و راندمان افراد می شود که ضررهای اقتصادی به همراه خواهد داشت. همچنین فرسودگی ناشی از ارتعاش در دستگاه ها و وسایل حمل و نقل، موجب ضررهای اقتصادی است. با حذف این پارامترها می توان طول عمر دستگاه را افزایش داد
1-3)نقاط ضعف کنترل نویز به روش غیرفعال
کنترل کننده های غیرفعال چندین ضعف دارند که همین امر باعث شده است که کنترل کننده های فعال، جایگاه ویژه ای پیدا کنند. ضعف های کنترل کننده های غیرفعال عبارتند از
1-3-1) کارایی کم در فرکانس های پایین [16]
با کاهش فرکانس، طول موج افزایش می یابد. به همین دلیل طول موج در فرکانس های پایین، زیاد است. به دلیل اینکه مقدار تضعیف صوت، توسط عایق های صوتی، متناسب با ضخامت عایق است و این ضخامت نیز متناسب با طول موج است، (هر چه طول موج افزایش یابد، ضخامت عایق نیز باید افزایش یابد) نتیجه گرفته می شود که در فرکانس های پایین، به عایقی با ضخامت خیلی زیاد نیاز است که عملاً امکان پذیر نیست
1-3-2) حجم زیاد عایق های صوتی [1]
عایق های صوتی از موادی ساخته شده اند که دارای حجم زیاد هستند، به همین خاطر در جاهایی که محدودیت حجم وجود دارد، امکان استفاده از این عایق ها نیست
1-3-3) گران بودن عایق های صوتی [1]
به علت نوع مواد مصرفی این عایق ها، قیمت آن ها گران است
1-3-4) محدودیت های اجرایی
در بعضی از مکان ها امکان استفاده از کنترل کننده های غیرفعال نیست. مثلاً در کوره ها نمی توان از عایق های صوتی استفاده کرد
1-3-5) محدودیت های مکانیکی
به علت یکپارچه بودن این عایق ها، در جاهایی که نیاز به حرکت هوا می باشد. محدودیت هایی ایجاد می شود. مثلاً در یک کارخانه امکان پوشاندن وسایل با عایق های صوتی نیست. چون وسایل خیلی زود گرم خواهند شد و در نتیجه آسیب خواهند دید
1-4) نقاط قوت کنترل نویز به روش فعال [12]
1-4-1) قابلیت حذف نویز در یک گستره ی فرکانسی وسیع
این سیستم قادر به حذف نویز در محدوده ی فرکانسی وسیعی می باشد. همانطوری که گفته شد روش های غیرفعال در فرکانس های پایین کارایی مناسبی ندارند. اما کنترل نویز به روش فعال در فرکانس های پایین بسیار موثر واقع شده است
1-4-2) قابلیت خود تنظیمی سیستم
اگر تغییراتی در پارامترهای فیزیکی از قبیل درجه ی حرارت و سرعت جریان هوا ایجاد شود، سیستم برای رسیدن به وضعیت بهینه (حداقل خطا) قادر به تنظیم خود می باشد
پس از بیان نقاط ضعف روش غیرفعال و نقاط قوت روش فعال، در بخش بعدی به معرفی گوشی فعال که یکی از کاربردهای سیستم ANC در صنعت است، می پردازیم
1-5) کاربرد ANC در گوشی فعال
امروزه از سیستم های ANC در جاهای زیادی از قبیل درون کارخانجات، معادن، اتاقها و ساختمان ها، کارخانه های تصفیه آب، کوره ها و دیگ های بخار، فن و توربوفن[5]، ژنراتور دیزلی، ترانسفورماتور، کمپرسور، کابین هواپیما، کابین هلی کوپتر، اتومبیل، کوپه قطار، موتور هواپیما، قایق، اگزوز اتومبیل، پمپ تخلیه، پمپ دمنده[6]، سیستم خنک کننده[7]، اگزوز توربین گازی[8]، مجرا[9]، سیستم تهویه[10]، گوشی، کلاه فعال، استودیوی صدا برداری، پمپ هیدرولیکی، موشک ، آمبولانس و کامپیوترها استفاده شده است. کاهش فعال صدا درون هدفون ها شاید بهترین استفاده ی کنترل فعال صدا باشد. فعالیت کنترل فعال صدا از سال 1936 بوسیله ی تجربیات pual Lueg برای حذف نویز در مجراها آغاز گردید و بعدها در سال 1953 دو نفر به نام های Olson و May نحوه ی حذف نویز را با استفاده از هدفون، توجیه کردند [18]. در دهه ی 1950 سه نفر به مام های Hawley , Simshauser , و Meeker طریقه ی استفاده از تقویت کننده های آنالوگ برای کاهش فعال نویز درون هدفون ها را با استفاده از بلندگو درون ساختار خود هدفون، مطالعه کردند [19،20، 21]. به هر حال، در حدود سال 1980 این تکنولوژی بصورت سازمان یافته ای مورد مطالعه قرار گرفت
گوشی فعال در واقع یک کاهنده ی فعال است که از تکنیک های کنترل فعال، در کاهش نویز استفاده می کند. گوشی فعال معمولاً در محل های پر سروصدایی مورد استفاده قرار می گیرند که بایستی از سیستم شنوایی محافظت شود. اینگونه هدفون ها معمولاً از هر دو تضعیف کننده های فعال و غیرفعال استفاده می‌کنند. تضعیف غیرفعال، به کمک پوشش هدفون که روی گوش قرار داده می شود، انجام می گیرد و باعث کاهش یا از بین رفتن صدای ورودی می شود. این روش در فرکانس های بالا بسیار موثر است. در تضعیف فعال، بلندگو را برای تولید صدای حذف کننده، درون هدفون جاسازی می کنند. در نتیجه عمل حذف بصورت فعال انجام می گیرد. این کار در فرکانس های پایین موثر است. هدفون هایی که موجب حذف نویز در محدوده ی فرکانسی وسیع می شوند، از هر دو روش فعال و غیرفعال برای ماکزیمم کاهش نویز استفاده می کنند
خلبانان درون کابین هواپیما، از هدفون برای حفاظت در برابر صدا استفاده می کنند. البته با این روش خلبان از اوضاع اطرافش بهتر باخبر می شود و نیز کارکنان فرودگاه ها هنگامیکه در مجاورت هواپیما هستند، از این هدفون ها استفاده می کنند. همچنین در ارتش به هنگام استفاده از وسایل نقلیه ی سنگین با موتورهای بزرگ و پر سر و صدا، از هدفون جهت حفاظت از گوش استفاد می شود. امروزه مسافران هواپیما نیز از هدفون خاصی استفاده می کنند. درون این هدفون ها معمولاً از سیستم های صوتی و یا تصویری استفاده شده است تا مسافر در حین سفر هم سرگرم شود و هم از گوش هایش محافظت بهتری شود
1-5-1) تضعیف صدا به روش غیرفعال در هدفون
اگر هدفون دارای پوشش مناسبی برای گوش باشد، باعث تضعیف و یا از بین رفتن نویز می شود. پوشش مورد نظر بایستی صاف و انعطاف پذیر باشد تا کاملاً روی سطح گوش قرار گیرد. اگر در معرض حجم زیادی از صوت قرار داشته باشیم، این حجم زیاد از صوت، باعث لرزش بدنه ی پوشش هدفون شده و در نتیجه صوت را به درون مجرای هدفون انتقال می دهد که در نهایت بوسیله ی شنونده درک می شود. این مسئله در شکل 1-1 نشان داده شده است. پوشش های سنگین تر با صفحات سفت و محکم به سختی می لرزند و در نتیجه عمل تضعیف صوت را به روش غیرفعال بهتر انجام می دهند
1-5-2) تضعیف صدا به روش آنالوگ در هدفون
در دهه ی 1950 سه نفر به نام های Hawley,Meeker و Simshavser بر روی گوشی های حذف نویز مطالعاتی انجام دادند که در این مطالعات از ساختاری همانند شکل (1-3) استفاده کردند [19،20،21]. این سیستم کنترلی، همانند هر سیستم پسخوردار دیگری در فرکانس های بالا، تولید بهره ی کنترلی پایینی می کند. اما در فرکانس های پایین باعث شده که بلندگو صدای با دامنه ی برابر ولی با اختلاف فاز 180 درجه نسبت به نویز تولید کند
اندازه ی s نشان دهنده ی تضعیف صوت است که در شکل (1-5) نمایش داده شده است. در فرکانس‌های پایین که بهره کنترل کننده (CP) معمولاً بالاست، S کوچک است و تضعیف بزرگی حاصل میشود. در فرکانس های بالا که گین کنترل کننده (CP) پایین است، پاسخ سیستم مدار بسته نزدیکل واحد خواهد شد و کنترل کننده اثری ندارد. در فرکانس های حدود 1 کیلو هرتز، تقویت کننده باعث تقویت نویز می شود. انی تقویت برای بسیاری از سیستم های عملی در گوشی غیرقابل اجتناب است که این امر در انتگرال Bode پیشنهاد شده است [7]
این انتگرال از لگاریتم اندازه ی S روی ناحیه ی فرکانسی گرفته می شود و بیان می کند که در یک رنج فرکانسی کامل مجموع تقویت و تضعیف برابر صفر است. این عمل را به اصطلاح اثر بستر آب[11]،نامند
همانطوری که نشان داده شده تضعیف صوت به روش آنالوگ می تواند در هدفون های فعال مورد استفاده قرار گیرد. اما نحوه ی تضعیف صوت، بصورت ثابت وبدون توجه به اندازه ی نویز ورودی انجام می شود. این محدودیت ها برای کنترل کننده های آنالوگ به بهترین مزیت ها برای کنترل کننده های دیجیتال، بدل شده است. زیرا کنترل کننده های دیجیتال وفقی می توانند تغییرات در فضا را دنبال کنند و در نهایت قادر ند که کاربرد اصلی را به بیشترین حد ممکن از کارایی برسانند
1-5-3) تضعیف صوت به روش دیجیتال در هدفون
کاربرد سیستم های وفقی در کنترل فعال نویز در دهه ی 1980 بوسیله ی Erikson , Rovre و Allie مطرح شد [22، 23]. شکل (1-6) معرف این ساختار است
کنترل فعال نویز به روش دیجیتال نیاز به شناسایی و فیلتر کردن سریع نویز اولیه- به منظور هدایت به موقع آن به سمت بلندگو و حذف نویز اولیه- دارد. تاخیر شدید و طولانی در مسیر کنترل دیجیتال به این معنی است که سیگنال حذف کننده برای حذف نویز بسیار دیر می رسد. تاخیر در کنترل کننده های دیجیتال معمولاً شامل تأخیر نمونه برداری بوسیله ی پردازنده های DSP، مبدل A/D مبدل D/A و تأخیر فاز در فیلترهای پایین گذر است. اگر مجموع تاخیر الکتریکی بر تأخیر آکوستیکی (که از میکروفن ورودی تا بلندگوی حذف کننده است) تجاوز کند، فیلتر وفقی بصورت غیرعلی در خواهد آمد. در نتیجه تضعیف سیگنال باند پهن[12]دچار مشکل می شود و فقط نویزهای باند باریک[13]می توانند به خوبی تضعیف شوند [1،12]. بعلت کوچک بودن سایز هدفون ها، تاخیر آکوستیکی معمولاً کم خواهد بود و تنها اگر یک DSP بسیار قوی مورد استفاده قرار گیرد، تأخیر الکتریکی بر تأخیر آکوستیکی فائق می آید [7]. در نتیجه هنگام استفاده از DSP ها، کار ما به حذف نویزهای باند باریک بسیار کاربردی هستند، حتی اگر با زمان تغییر کنند و در این حالت می توانند بهتر از سیستم های آنالوگ کار کنند [7]. ولی کنترل کننده های آنالوگ می توانند کارائی بهتری در تضعیف نویزهای باند پهن با تأخیر الکتریکی کم ارائه دهند. پس کدامیک بهتر است؟
1-5-4) تضعیف صوت بوسیله ی ترکیب سیستم های آنالوگ و دیجتال در هدفون
بهترین راه حل این است که هر دو سیستم را با هم ترکیب کنیم و از فایده های آنها استفاده ببریم. بوسیله ی سیستم آنالوگ نویزهای باند پهن و بوسیله ی سیستم دیجیتال نویزهای باند باریک را تضعیف کنیم
فواید عمومی ترکیب کنترل فعال نویز بصورت پیشخور[14]و پسخور[15]بوسیله ی Rafaely,Tseng و Eliott در سال 1998 توضیح داده شده است [24]. ترکیب پسخور آنالوگ و پیشخور دیجیتال در هدفون بوسیله ای Carme, Winbegetal در سال 1999 آزمایش شد [25و26]
همانطوریکه در شکل (1-7) نشان داده شده، خروجی های کنترل کننده ی پسخور آنالوگ با کنترل کننده ی پیشخور دیجیتال در ورودی بلندگو ترکیب می شوند
در این سیستم جدید که از کنترل کننده های آنالوگ و دیجیتال استفاده می برد، کنترل کننده ی آنالوگ و کنترل کننده ی دیجیتال به ترتیب p و Pd را کنترل می کنند که Pd شامل زنجیره ی کنترلی آنالوگ است
پس با استفاده از ترکیب آنالوگ و دیجیتال و با کمک گرفتن از روش غیرفعال می توانیم حفاظت مناسبی در برابر نویز ایجاد کنیم
1-6) نتیجه گیری
1 Acoustic noise control
[2] – Active
[3] – Pasive
[4] -Ducts
[5] -Fan & Turbo – Fan
[6]- Blowers
[7] – Cooling Tower
[8] -Gas Turbine Exhaust
[9] – Duct
[10] – Air Conditioning
[11] water – bed
[12] broad band
[13] – narrow band
[14] -Feed forward
[15] -Feedback
