تحقیق ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا

اختصاصی از فی گوو تحقیق ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا دانلود با لینک مستقیم و پر سرعت .

چکیده

LMS در 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. 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]

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.

[1] -Active

[2] -passive

[3] -Least mean square

4- Filter- x LMS

5 -Multiple signal classification

6 -Time Delay N- Generalized Radial Basis Function

[7] -Normalized LMS

متن کامل را می توانید دانلود کنید چون فقط تکه هایی از متن این پایان نامه در این صفحه درج شده است(به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

همراه با تمام ضمائم با فرمت ورد که ویرایش و کپی کردن می باشند

موجود است

اختصاصی از فی گوو امکان سنجی فیلتراسیون آکوستیکی جهت جذب ذرات خروجی از اگزوز موتورهای دیزل دانلود با لینک مستقیم و پر سرعت .

امکان سنجی فیلتراسیون آکوستیکی جهت جذب ذرات خروجی از اگزوز موتورهای دیزل

چکیده
جداسازی ذرات معلق در گازها به ویژه هوا، مورد توجه اغلب صنایع از جمله صنایع خودرو سازی، هسته ای، کارخانجات سیمان و نیز علوم زیست محیطی می باشد. برای کاهش آلودگی دو روش عمده وجود دارد:
الف) کاهش تولید آلاینده ها
ب) جلوگیری از انتشار آلاینده ها در محیط.
در این تحقیق جداسازی دوده از گازهای خروجی اگزوز موتورهای دیزل مورد بررسی قرار می گیرد.
 دو مبحث بنیادی در این تحقیق عبارتند از:
الف) بررسی خصوصیات ذرات آلاینده خروجی از اگزوز.
ب) بررسی امکان سنجی استفاده از امواج آکوستیکی برای حذف ذرات معلق در گازهای خروجی اگزوز موتور های دیزل
 نتایج حاصله از این بررسی نشان می دهد که ذرات آلاینده دارای قطر تقریبی  10-01/0میکرون با حداکثر تجمع جرمی در محدوده کمتر از 4/0 میکرون می باشند.
بدین منظور، مدل سازی عددی در مورد انباشت اکوستیکی برای بدست آوردن پارامترهای آزمایش و تاثیر این پارامترها در شبیه سازی و نتایج آزمایش انجام شد.
نتایج آزمایشگاهی حاصله نشان می دهد که از امواج آکوستیکی برای جداسازی ذرات گازهای خروجی اگزوز با بازده بالا می توان استفاده کرد. سیستم فیلتراسیون آکوستیکی برای ذرات بزرگتر از 0.2 میکرون و برای دبی عبوری کوچکتر از 30 لیتر بر دقیقه، در گستره توان صوتی اعمالی  30 وات، کارآیی دستگاه نشست دهنده بیشتر از 95 درصد می باشد. برای دبی 50 لیتر بر دقیقه با توان صوتی 30 وات بازده 45% می باشد که برای افزایش بازده فیلتراسیون در دبی های بالاتر، میتوان از چند سیستم به صورت موازی استفاده نمود.








فهرست مطالب
عنوان                                                                                                                         صفحه
1-فصل اول: مقدمه    1
2- فصل دوم: مروری بر ادبیات و اصول و مبانی نظری    4
2-1 مقدمه    5
2-2 سیستم جدا ساز ذرات معلق در گازها    8
2-2-1 صافی های کیسه ای    8
2-2-2 ته نشین کننده های ثقلی    8
2-2-3 شوینده ها    9
2-2-4 سیکلونها    9
2-2-5 نشست دهنده الکتروستاتیک    9
2-3 زمینه تاریخی    10
2-4  مکانیزمهای انباشت آکوستیک    11
2-4-1 فعل و انفعالات اورتوکینتیک    11
2-4-2 فعل و انفعالات هیدرودینامیک    17
2-4-3 واکنشهای آشفتگی آکوستیک    20
2-4-4 روان سازی آکوستیک    19
2-4-5 توده آکوستیک    23
2-5 مدلهای شبیه سازی فعلی    24
2-5-1 مدل وولک    24
2-5-2 مدل شو    25
2-5-3  مدل تیواری    25
2-6 مدل سانگ    25
3-فصل سوم: روشها و تجهیزات    27
3-1 مقدمه    28
3-2 روش شبیه سازی انباشت آکوستیک    28
3-2-1 فرضیات انجام شده در مدل سازی    28
3-2-2 الگورِیتم مدل سازی    29
3-3  سیستم آزمایشگاهی فیلتراسیون آکوستیکی    30
3-3-1 سیستم آزمایشگاهی اندازه گیری توزیع اندازه ذرات    30
3-3-2 آزمایشات مربوط به دستگاه نشت دهنده آکوستیکی    33
3-3-3 مواد مورد استفاده    41
3-4 کالیبراسیون وسایل آزمایشگاهی     43
4- فصل چهارم: نتایج و تفسیر آنها    45
4-1 مقدمه    46
4-2 نتایج آزمایشگاهی    47
 4-2-1  اندازه گیری توزیع اندازه و غلظت کلی ذرات
 خروجی از اگزوز موتورهای دیزلی    46
 4-3 آزمایشات مربوط به دستگاه نشست دهنده آکوستیکی    49
4-3-1 آزمایش بدست آوردن فرکانس های بحرانی    49
4-3-2 رسم پروفیل فشار آکوستیکی در طول لوله    52
4-3-3 اعمال امواج آکوستیکی بر روی جریان ایروسل    55
4-3-3-1 اعمال امواج آکوستیکی برروی ذرات درحالت بدون دبی و ساکن    55
4-3-3-2 اعمال امواج بر روی جریان ایروسل    62
4-4 بررسی تأثیر عوامل موثر در بازده فیلترهای آکوستیکی
         در خروجی موتور های دیزل    67
4-4-1 بررسی تأثیر دبی عبوری از محفظه    65
4-4-2  بررسی اثر توان اعمالی امواج    72
4-4-3 بررسی تاثیر دما و فشار    75
4-4-4  تأثیرات فرکانس صدا    77
4-4-5 اثر اندازه ذرات    77
5- فصل پنجم    79
فهرست مراجع    83
ضمیمه 1    85
ضمیمه 2    88
ضمیمه 3    95









فهرست نمودارها

شکل 2-1- حجم انباشت آکوستیک    12
شکل 2-2- حجم واقعی انباشت آکوستیکی    14
شکل 2-3- مکانیزم های آشفتگی    20
شکل 2-4- شکل موج سرعت آکوستیک درشدت بالا    22

شکل 3-1- دستگاه برخورد دهنده چند مرحله ای    31
شکل 3-2- سیستم حذف ذرات بزرگ    32
شکل 3-3- دستگاه شمارنده ذرات    33
شکل 3-4- منبع امواج آکوستیکی    34
شکل 3-5- دستگاه منبع ایجاد سیگنال    35
شکل 3-6- دستگاه Amplifier    36
شکل 3-7- دستگاه فرکانس متر    36
شکل 3-8- بلندگو و horn    37
شکل 3-9- صفحه بازتاب کننده امواج و لوله فلزی برای خروج گازها    38
شکل 3-10- فشار سنج دیجیتالی    38
شکل 3-11- دستگاه تولید کننده ایروسل تک توزیعی    39
شکل 3-12- دستگاه مولد ایروسل چند توزیعی    40
شکل 3-13- دبی سنج    41
شکل 3-14- توزیع اندازه ذرات خروجی از دستگاه تولید کننده ایروسل    43

شکل 4-1- توزیع جرمی ذرات کوچکتر از 10 میکرون خروجی از اگزوز موتورهای دیزلی    46
شکل 4-2-  درصد جرمی توزیع ذرات کوچکتر از 10 میکرون خروجی از اگزوز موتورهای دیزلی    46
شکل 4-3- توزیع فشار آکوستیکی در cm10 از بالای لوله    49
شکل 4-4- توزیع فشار آکوستیکی در cm17 از بالای لوله    49
شکل 4-5- توزیع فشار آکوستیکی در cm150 از بالای لوله    50
شکل 4-6- مقایسه نتایج نظری و آزمایشگاهی برای فرکانس 200 (Hz) بر اساس ماکزیمم فشار    51
شکل 4-7- مقایسه نتایج نظری و آزمایشگاهی برای فرکانس 650 (Hz) بر اساس مینیمم فشار    51
شکل 4-8- مقایسه نتایج نظری و آزمایشگاهی برای فرکانس 830 (Hz) بر اساس ماکزیمم فشار    52
شکل 4-9- setup استفاده شده در حالت بدون جریان    54
شکل 4-10-  تست نشست آکوستیکی برای حالت بدون دبی و فرکانسHz 200    56
شکل 4-11- محل نقاطی که در آن ایروسل ها به دیواره چسبیده اند    57
شکل 4-12- تست نشست آکوستیکی برای حالت بدون دبی و فرکانسHz 650     58
شکل 4-13- تست نشست آکوستیکی برای حالت بدون دبی و فرکانسHz 830     59
شکل 4-14- setup استفاده شده برای اعمال امواج بر روی جریان (Q=250 L/h    61
شکل 4-15- تست نشست آکوستیکی برای حالت  Q=250 L/hourو فرکانسHz 830     62
شکل 4-16- setup استفاده شده برای اعمال امواج بر روی جریان (Q=27.8 L/min)    63
شکل 4-17- تست نشست آکوستیکی برای حالت  Q=27.8 L/minو فرکانسHz 830     64
شکل 4-18- setup استفاده شده برای استفاده از ذرات توزیع اندازه مختلف و استفاده از دستگاه شمارنده ذرات    66
شکل 4-19- تاثیر دبی جریان بر بازده فیلتراسیون    68
شکل 4-20- تاثیر زمان اعمال جریان بر  اندازه ذرات در مدل سازی عددی    69
شکل 4-21- بررسی تاثیر زمان اعمال امواج در توزیع اندازه ذرات و مقایسه بین نتایج مدل سازی عددی و نتایج آزمایشگاهی در فرکانس 200 Hz در حالت لوله سر بسته    70
شکل 4-22- تاثیر توان الکتریکی امواج بر بازده فیلتراسیون    72
شکل 4-23- تاثیر دما در نرخ انباشت آکوستیکی    74
شکل 4-24- تاثیر فشار گاز در نرخ انباشت آکوستیکی    75
شکل 4-25- تاثیر اندازه ذرات در انباشت آکوستیکی    76





فهرست جداول

جدول 4-1- فرکانس های بحرانی    48
جدول 4-2- توزیع فشار آکوستیکی در فرکانس های مختلف    48
جدول 4-3- بررسی اثر دبی در بازده فیلتراسیون    67
جدول 4-4- بررسی اثر توان صوتی در بازده فیلتراسیون    71





















لیست علائم

up    سرعت ذره در میدان آکوستیک
η    فاکتور گاز برد (entrainment factor)
ω    فرکانس زاویه ای آکوستیک
t    زمان
φ    تعویق فازی حرکت ذره نسبت به تعویق فازی حرکت گاز
Ua    دامنه سرعت آکوستیک
     زمان استراحت ذره
     چگالی ذره
µ    لزجت سینماتیکی
d و a    قطر ذره
cε    بازده برخورد
nv    تعدد عددی ذرات کوچک در حجم انباشت بعد از پر شدن
fε    بازده پرشدگی
     تابع فرکانس انباشت یا ضریب انباشت
g12    تابع تعامل هیدرودینامیکی
pa     فشار محیط محفظه انباشت
P    فشار آکوستیکی
k    عدد موج
ρo    چگالی هوا
λ    عدد موج
Q    دبی جریان ایروسل
V    سرعت عبور ذره از میان محفظه
E    بازده فیلتراسیون
Nf    تعداد ذرات بعد از فیلتراسیون
Ni    تعداد ذرات قبل از فیلتراسیون
γ    نسبت گرمای ویژه
R    ثابت جهانی گازها
CI    اشتعال تراکمی
SI    اشتعال جرقه ای

مقاله به صورت  ورد (docx ) می باشد و تعداد صفحات آن  113 صفحه آماده پرینت می باشد

چیزی که این مقالات را متمایز کرده است آماده پرینت بودن مقالات می باشد تا خریدار از خرید خود راضی باشد

مقالات را با ورژن  office2010  به بالا باز کنید 

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

اختصاصی از فی گوو دانلود پایان نامه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا دانلود با لینک مستقیم و پر سرعت .

ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه:102

پایان نامه کارشناسی رشته مهندسی برق – الکترونیک

فهرست مطالب :

چکیده

فصل صفر: 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

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] LMS در 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.

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.

و...

NikoFile