حذف نویز به صورت فعال در سیگنال های باند باریک و طیف گسترده به کمک تکنیک یادگیری کیو
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 294
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ISEE-4-1_005
تاریخ نمایه سازی: 6 دی 1400
چکیده مقاله:
چکیده: آلودگی صوتی یکی از معضلات جدی جوامع صنعتی است. هر چند روش های سنتی متکی بر جذب صوت کاربردهای فراوانی دارند، اما این روش ها در فرکانس های پایین کارایی لازم را ندارند. برای غلبه بر این مشکل روش های فعال برای حذف نویز ارائه شده اند. در این تحقیق، ایده جدیدی مبتنی بر یادگیری تقویتی برای کاهش نویز صوتی به صورت فعال پیشنهاد گردیده است. بدین منظور، برای حذف نویز به صورت فعال برای یک سیگنال تناوبی، یک روش پایه ارائه و سپس به گونه ای تکمیل گردید که برای سیگنال های چند آوایی باند باریک با تعداد هارمونیک بالا نیز عملکرد مناسبی داشته باشد. در گام بعدی سیگنال های طیف گسترده مد نظر قرار گرفته و با شکستن آن در حوزه فرکانس و کمک از یادگیری تقویتی مساله حل گردید. نکته مشترک و مثبت در کلیه روش ها، بی نیازی به مدل محیط برای پیاده سازی آن است. ترکیب روش یادگیری تقویتی و روش های سنتی در حذف نویز سیگنال های طیف گسترده نیز از حوزه های جدید مورد مطالعه در این مقاله است. در این حالت، سرعت پاسخ نسبت به حالت قبل ذکر شده در مقاله افزایش می یابد اما در عوض اطلاعاتی از دینامیک محیط مورد نیاز است. این رویه باعث می گردد که بر خلاف روش های قدیمی، سیستم خود را با تغییرات آهسته دینامیک سازگار نماید. صحت عملکرد هر روش با شبیه سازی تایید گردیده است.
کلیدواژه ها:
نویسندگان
بهروز رئیسی
- دانشجوی دکتری - دانشکده برق و کامپیوتر - دانشگاه شیراز و کارشناس ارشد پژوهشکده مکانیک پژوهشگاه فضایی ایران- سازمان فضایی ایران- شیراز – ایران
شاپور گلبهار حقیقی
استادیار دانشکده برق و کامپیوتر – دانشگاه شیراز - شیراز – ایران
علی اکبر صفوی
- استاد دانشکده برق و کامپیوتر دانشگاه شیراز - شیراز – ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :