<span lang="AR-SA">بهبود عملکرد فیلتر تطبیقی <span dir="LTR">LMS <span lang="AR-SA">در حذف نویزهای نظامی با استفاده از بهینه سازی ترکیب پنج ویژگی سیگنال به کمک الگوریتم ژنتیک

پردازش سیگنال های صوتی در محیط های نظامی به دلیل وجود نویزهای پیچیده ای مانند انفجار، شلیک سلاح و پارازیت های الکترومغناطیسی، همواره با چالش های متعددی روبرو بوده است. در این پژوهش، یک روش پیشرفته برای حذف نویزهای محیطی از سیگنال های صوتی نظامی ارائه شده که از یک فیلتر تطبیقی LMS با نرخ یادگیری پویا بهره می برد. نوآوری اصلی این تحقیق، به کارگیری همزمان پنج ویژگی سیگنال ورودی شامل انرژی، واریانس، کوواریانس، آنتروپی و نرخ گذر از صفر برای تنظیم خودکار نرخ یادگیری است. ترکیب بهینه این ویژگی ها با استفاده از الگوریتم ژنتیک و با جمعیت ۵۰ کروموزوم در ۱۰ نسل انجام شده که ضرایب بهینه[۰/۸۴۸۶, ۰/۱۸۷۲, ۰/۵۰۱۶, ۰/۹۱۹۵, ۰/۳۵۸۲] را نتیجه داده است. نتایج آزمایش ها نشان می دهد روش پیشنهادی به بهبود ۱۲/۴۳ دسی بلی در نسبت سیگنال به نویز (از ۰/۱۸- به ۱۲/۲۵ دسی بل) و کاهش خطای میانگین مربعات به ۰/۰۰۱۶ دست یافته است. همچنین این روش بهبود ۱/۹۵ دسی بلی در SNR نسبت به فیلترهای ثابت و کاهش ۱/۵۶ برابری واریانس خطا را نشان می دهد. این الگوریتم با حفظ تعادل بین دقت و پیچیدگی، برای کاربردهای حیاتی نظامی مناسب است.

کلیدواژه ها:

فیلتر تطبیقی ، حذف نویز ، پردازش صوت نظامی ، پارامتر یادگیری پویا ، SNR ، الگوریتم ژنتیک ، بهینه سازی ضرایب