حذف پژواک آکوستیکی در حالت مکالمه همزمان با استفاده از الگوریتم شناساگر مکالمه همزمان Geigel
محل انتشار: هشتمین کنفرانس ملی مهندسی برق و الکترونیک ایران
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 467
فایل این مقاله در 7 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:
ICEEE08_177
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
سیستم حذف پژواک آکوستیکی، یکی از مهم ترین زمینه ها در سیستم های وفقی است. امروزه، حذف کننده های پژواک (AEC) ، بخش جداناپذیر از هندفری های صوتی مخابراتی تمام دوبلکس هستند. حذف کننده های پژواک مرسوم، از یک مدل خطی برای نمایس مسیر پژواک استفاده می کنند. با اینحال، بسیاری از قطعات مصرف کننده نظیر بلندگو و تقویت کننده توان هستند که اعوجاج غیرخطی تولید می کنند. این غیرخطینگی، به جهت استفاده از بلندگوها، میکرفون ها و محفظه کم هزینه طراحی شده در یک سیستم AEC ، رخ میدهد. شناساگر مکالمه همزمان، یک مولفه کلیدی در یک AEC است. یک DTD برای تشخیص اینکه چه زمانی سیگنال طرف دور توسط سیگنال گفتار طرف نزدیک تخریب می شود، به کار گرفته می شود. DTD تطبیق فیلتر رافریز میکند تا از واگرایی فیلتر وفقی جلوگیری نماید. نویسندگان مختلف، الگوریتم های متفاوتی برای شناسایی مکالمه همزمان پیشنهادکرده اند. برخی از محبوب ترین الگوریتم ها، عبارتند از: Geigel ، DTD برپایه همبستگی متقابل، DTD بر پایه همبستگی متقابل نرمالیزه شده 1. در این مقاله پس از بررسی اجمال این سه روش، به طور خاص به بررسی عملکرد الگوریتم Geigel می پردازیم و مقدار بهینه ای برای اندازه گام الگوریتم وفقی NLMS ، پس از کاهش اثر مکالمه همزمان به دست می آوریم
کلیدواژه ها:
حذف پژواک آکوستیکی ، مکالمه همزمان ، الگوریتم Geigel ، الگوریتم NLMS ، سرعت همگرایی ، الگوریتم همبستگی متقابل ، الگوریتم همبستگی متقابل نرمالیزه شده
نویسندگان
نادیا حقیقت
دانشکده مهندسی برق، گروه الکترونیک دانشگاه تربیت مدرس تهران، ایران
مجتبی لطفی زاده
دانشکده مهندسی برق، گروه الکترونیک دانشگاه تربیت مدرس تهران، ایران
روح الله بی باک
دانشکده مهندسی برق، گروه الکترونیک دانشگاه تربیت مدرس تهران،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 :