دانلود با لینک مستقیم و پر سرعت .
این فایل در قالب ورد وقابل ویرایش در 100 صفحه می باشد .
پایان نامه تغییر شدت روشنایی با صوت به روش PLC
فهرست
چکیده 1
بخش 1 : 57
1-1 ارتباط PLC , مشکلات , تکنیکهای مدرن 57
1-2 مصارف PLC 57
1-3 مشکلات ارتباط از طریق خط برق 58
1-3-1 امپدانس و تضعیف کانال خط برق 58
1-4 مدلهای کانال خط برق 60
1-5 پهنای باند 61
1-5-1 استانداردها برای ارتباط از طریق خط برق 62
1-6 نتیجه گیری 62
بخش 2 : نکات عملی 64
2-1 خلاصه 64
2-2 روشهای مدولاسیون 64
Frequency Shift keying 64
Phase shift keying 67
2-3 شبکه کوپلینگ 70
2-4 روشهای کنترل خطا 74
2-4-1 روش ردیابی خطا 74
2-4-2 روشها اصلاح خطا 75
2-5 توصیه هایی برای کنترل خطا در PLC 76
2-6 نتیجه گیری 76
بخش 3 : تحقیق عملی سیستم 77
3-1 خلاصه 77
3-2 اهداف 77
3-3 از تئوری به عملی 77
3-3-1 سیستم مدولاسیون Spread – Spectrum 77
3-3-2 شبکه کوپلینگ 81
3-4 اجرای سیستم 2 لایه ای 82
3-4-1 طرح FSK 83
3-4-2 شبکه کوپلینگ 85
3-5 تست کردن لایه اول 86
3-6 اجرای لایه دوم و ارتقاء عملکرد لایه اول 88
3-6-1 طرح Spread – Spectrum 88
3-6-2 اجرای پرشهای فرکانسی 90
3-6-3 چک کردن خطا و اصلاح آن 91
3-7 92
بخش 4 : مدار طراحی شده در این پروژه 94
4-1 خلاصه 94
4-2 شرحی جامع بر نحوه عملکرد سیستم 94
4-3 شرح کاملی بر تک تک قسمتهای مدار 95
فهرست مطالب بخش PLC چکیده:
مقدمه:
فصل اول
مروری بر بازشناسی گفتار
1-1) پردازش بر روی گفتار به دو دسته کلی تقسیم می شود:
1-2) مقدمه ای بر بازشناسی گفتار:
1-3) پارامترهایی که در کارایی یک سیستم بازشناسی گفتار موثرند و تعیین کننده میزان پیچیدگی سیستم می باشند عبارتند از:
1-3-1) بازشناسی وابسته به گوینده و مستقل از گوینده:
1-3-2) باز شناسی لغات مجزا و گفتار پیوسته:
1-3-3) اندازه دایره لغات:
1-3-4) تشخیص حدود کلام:
1-3-5) نویز محیط:
1-3-6) محدودیتهای زبانی:
1-4) روش های متداول بازشناسی :
1-5) فرایند تولید گفتار:
1-6) انواع نواحی پایدار:
1-7) Spectrogram
1-8) ساختار فایلهای Wave
فصل دوم
تئوریDTW
2-1)مقدمه:
2-2) اصول روش DTW
2-3) محاسبه فاصله محلی
2-4) محاسبه فاصله عمومی(فاصله کلی)
2-5)ناحیه محدود شده
3-5)الگوریتم DTW
فصل سوم
استخراج بردار ویژگیها
3-1)مقدمه:
3-2) روشهای استخراج بردار ویژگیها
3-3) LPC
3-3-1) روابط تحلیلLPC
3-4)ضرایب Cepstral:
3-5) وزن دهی ضرایب
فصل 4 :
4-1 استخراج مشخصات و پردازش سیگنال :
4-2 pre – emphasis
4-3 Frameblocking windowing
4-4 autocorrelation
4-5 فرمول Lpc
4-6 Parameter weighting
فصل 5
ایجاد الگوی اولیه :
- کوانتیزه کردن برداری : (VQ)
- ایجاد پایگاه اطلاعاتی
- ایجاد پایگاه اطلاعاتی
- ایجاد پایگاه اطلاعاتی
5-3 الگوریتم K – means
فلوچا
چکیده
امروزه با پیشرفت علوم کامپیوتر و استفاده از کامپیوترهای شخصی و ذخیره کردن اطلاعات شخصی وجود سیستمی که تنها به آن شخص اجازه دسترسی به اطلاعات را بدهد لازم به نظر می رسد. علاوه بر این استفاده از پردازش سیگنال صوت در پزشکی و تشخیص از طریق سیگنال صوت می تواند بسیار مفید باشد. روش های بسیاری برای تشخیص صوت به کار می روند و مراحل زیادی برای تشخیص، تجزیه و تحلیل صوت وجود دارد. تشخیص صوت ها معمولاً با ایجاد نمونه های دیجیتال از صوت انجام می گیرد که این روش های ایجاد طیف می تواند
M FCC (MCL frequency cepstral coefficients)
LPC (linear predictive coding)
و یا روشی coch lea باشد و در مرحله بعد نمونه های صوت کوانتیزه می شوند و در دسته بندی های مشخص قرار می گیرند و بعد هم سیگنال های آماده شده مقایسه می شوند تا کمترین فاصله بین آنها به عنوان نمونه مورد قبول انتخاب شود و سیگنال ورودی تشخیص داده شود. این مرحله تشخیص نیز می تواند با استفاده از روش های گوناگون از جمله:
DTW (Dynamic time warping )
HMM (Hidden Markov Models)
NNS (Neural Network )
به طور جداگانه یا مجموعه ای از این روش ها انجام شود که در این پروژه علاوه بر همه روش ها از DTW به عنوان روش مقایسه ای استفاده می کنیم و با کمک نرم افزار C برنامه ای را برای انجام مقایسه و انجام کلیه مراحل پردازش سیگنال در اختیار خوانندگان قرار می دهیم. البته در این پروژه هدف از تشخیص صوت دریافت دستور و پردازش و تشخیص آن صوت برای تغیر شدت روشنایی میباشد.
Plc (Power Line Carrier)
مقدمه:
گفتار راه طبیعی و مفید برای رد و بدل کردن اطلاعات بین انسان هاست. برای ساختن یک کامپیوتر هوشمند این مسأله مهم است که ماشین می تواند "بفهمد" و به اطلاعات داده شده "عمل کند" و همچنین برای تکمیل اطلاعات صحبت کند.
بنابراین تشخیص صوت برای یک کامپیوتر جهت دستیابی به هدف ارتباط کامپیوترها با انسان لازم است. با بیش از چهل سال تحقیق و الگوریتم های زیادی برای تشخیص صوت اتوماتیک ایجاد شد. روش " مقایسه نمونه" یکی از بهترین دستاوردها می باشد. در این روش سیستم یک یا چند نسخه اصلی برای هر واژه ذخیره می کند و سیگنال صوت وارد شده را با هر کدام از آنها برای پیدا کردن نزدیکترین گزینه مقایسه می کند. این فرایند شامل دو مرحله است:
- آماده کردن نمونه های اولیه
- تشخیص سیگنال ورودی از طریق روش های مقایسه نمونه
ابتدا فرایند پردازش این الگو را برای هر حرف در واژه ایجاد می کند. سیگنال صوت در قسمت پردازش به فرم هایی با طول مساوی تقسیم می شود سپس واحد acoustic front – end هرفریم را به یک نمودار مشخصه تبدیل می کند که تمام خصوصیات سیگنال آن فریم خاص را در بر دارد. این نمودارهای مشخصه به گروه هایی توسط بلوک طبقه بندی نمونه) تقسیم می شوند تا مدل هایی از یک کلمه را ایجاد کنند. این فرایند برای تمام حروف در یک واژه تکرار می شوند. تصور کلی چنین است که اگر از یک نمونه اندازه کافی نسخه داشته باشیم مرحله پردازش باید بتواند مشخصات صوتی نمونه را به اندازه کافی بیان کند. فرایند تشخیص ابتدا سیگنال ناشناس را به کمک همان acoustic front – end که در فرایند سیگنال اولیه استفاده شد به نمودار مشخصه تبدیل می کند. سپس این نمودار مشخصه با هر کدام از نمونه های آماده شده سیگنال اولیه مقایسه می شوند که این مقایسه در بلوک pattern – matching انجام می شود.
یک فرایند تشخیصی بر پایه بهترین مقایسه است که این مقایسه بر اساس یک عملکرد فاصله بین دو نقطه از نمودار مشخصه تعریف می شود که یکی از این نقاط روی نمودار مشخصه سیگنال ورودی و دیگری روی نمودار سیگنال ذخیره شده است.
هدف این پروژه این است که با معرفی یک تصویر کلی از تشخیص صوت برای دانشجویان مهندسی که بتوانند یک برنامه تشخیص C بنویسند که از روش DTW استفاده کنند. یکی از مشکلات اساسی در پردازش سیگنال ها به عینیت در آوردن مسائل تئوری و دیدگاههای کلی است. این پروژه به توانایی مهم زیر دست خواهد یافت:
- گزینش DTW : یک سیگنال ورودی و یک الگو را می دهد. این واحد باید بتواند بهترین مسیر گزینشی را پیدا کند و همچنین باید بتواند سیگنال را تشخیص بدهد و بهترین گزینه را ارائه دهد.
به طور کلی در بخش های مختلف به مطالب زیر می رسیم:
- به بحث Lpc می پردازد که یک نمودار مشخصه را برای سیگنال ها ایجاد می کند.
روش های مختلف محاسبه DF:
- روش هایی را نشان می دهد که سیگنال اولیه تا پردازش می کند و الگو را ایجاد می کند و این سیگنال را ذخیره می کند.
- معرفی الگوریتم (DP) و کاربرد آن در تشخیص صوت (DTW) که آن یک الگوریتم است برای محاسبه فاصله بین دو نمودار مشخصه.
- خلاصه و نتیجه گیری و در نهایت هم مراجع و منابع معرفی شده اند.
