حذف نویز ضربه ای مقدار تصادفی از تصاویر

اختصاصی از زد فایل حذف نویز ضربه ای مقدار تصادفی از تصاویر دانلود با لینک مستقیم و پر سرعت .

در این مقاله ما مقدا نویز را می توانیم با روشهای خاص کاهش داده و به تصویر اصلی دست پیدا کنیم

این فایل حاوی مقاله اصلی و ترجمه و همچنین کدهای متلب می باشد

پروژه آماده شبیه سازی حذف نویز برای درس پردازش سیگنال

اختصاصی از زد فایل پروژه آماده شبیه سازی حذف نویز برای درس پردازش سیگنال دانلود با لینک مستقیم و پر سرعت .

پروژه آماده شبیه سازی حذف نویز برای درس پردازش سیگنال

حذف نویز از سیگنال بیولوژیک با استفاده از الگوریتم  NLMS و الگوریتم RLS

شبیه سازی مقاله 

Extraction of Fetal Electrocardiogram using Recursive Least Squares and Normalized Least Mean Squares Algorithms

به همراه داکیومنت آماده فارسی در قالب word و فایل آماده ارائه در قالب پاورپوینت

بخشی از داکیومنت پروژه:

مقدمه

برای کم کردن یا حذف اغتشاشات اغلب دو کار می‌توان انجام داد؛ کارهای سخت‌افزاری و کارهای نرم‌افزاری. کارهای سخت‌افزاری مانند ایزوله کردن حسگرها از محیط یا افزودن مواد جاذب صدا و لرزش دور پوسته‌ی موتور یا غیره می‌باشند. و اما کارهای نرم‌افزاری استفاده از کدهایی می‌باشد که به کمک الگوریتم‌ها و تئوری‌های مختلف توسعه داده شده و در مدار داده برداری قرار می‌گیرند. اهمیت تحلیل نویز از آنجا کاملاً نمایان می‌شود که کیفیت سیگنال اندازه‌گیری شده به وسیله مقدار مطلق انرژی سیگنال تعیین نمی‌شود بلکه از نسبت سیگنال به نویز  تعیین می‌شود. نتیجه تحقیقات نشان می‌دهد که بهترین روش برای بهبود نسبت سیگنال به نویز ، کاهش نویز است نه افزایش قدرت سیگنال. در اکثر کاربردها، نویز به عنوان فرآیند تصادفی در نظر گرفته می‌شود.

فیلترهای وفقی

سیستم­های وفقی برای چهاردهه دارای کاربردهایی از جمله حذف نویز، شناسایی سیستم، مدلینگ معکوس و غیره بوده­ اند. فیلتر وفقی یک وسیله­ ی خود طراح است که از یک الگوریتم بازگشتی برای انجام کار خود استفاده می­کند؛ این امر موجب می­شود تا فیلتر در محیطی که اطلاعات کاملی از مشخصه­ های سیگنال وجود ندارد، به طور قابل اطمینانی کار کند. الگوریتم کار خود را با یک سری شرایط اولیه از پیش تعیین شده که در مورد محیط مشخص هستند، شروع می­کند. در صورتی که محیط یکنواخت باشد، الگوریتم پس از تکرارهای مورد نیاز در برخی از مشخصه­ های آماری به فیلتر بهینه وینر همگرا می­شود. در محیط­ های غیریکنواخت، نیز الگوریتم دارای قابلیت پیگردی است. بدین صورت که اگر مشخصه‌های آماری سیگنال ورودی در حال تغییر باشند (به شرط اینکه این تغییرات به اندازه­ی کافی کند باشند)، الگوریتم قادر است تا این مشخصه­ ها را دنبال کند.

از فیلتر وفقی برای حذف نویز ناشناس موجود بر روی سیگنال اصلی به صورت بهینه استفاده می­شود. در اینجا سیگنال اصلی به عنوان پاسخ مطلوب فیلتر در نظر گرفته می­شود و یک سیگنال مرجع (کمکی) نیز به عنوان ورودی به فیلتر وفقی داده می­شود. سیگنال مرجع از سنسورهایی به دست می­آید که در فاصله­ ی مناسب از سنسور اصلی قرار گرفته­ اند و فقط نویز را اندازه­ گیری می­کنند.

برای دانلود رایگان مقاله کلیک نمایید

پروژه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا. doc

اختصاصی از زد فایل پروژه ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 105 صفحه

چکیده:

تاکنون برای حذف نویزهای آکوستیکی از روش های فعالو غیر فعال 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LMS در محیط نویزی، الگوریتم FXLMSبعنوان 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،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 ) ( 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 الگوریتمNLMS بهینه می شوند.

مقدمه:

در سال های اخیر حذف نویز آکوستیکی (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.

فهرست مطالب:

چکیده

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

منابع و مأخذ:

[1] C.Mosquera, J.A.Gomez, F.perez, M. Sobreira, ,,Adaptive IIR Fjlters for Active noise Control, “ Sixth International Congress on Sound and Vibration, 5-8 July 1999, Copenhagen, Denmark.

[2] P.Lveg, “process of silencing sound oscillations,”U.S.Patent 2043416,June 9,1936.

[3] Widrow,B., and S.D.Steans.” Adaptive Signal Processing”,Prentice-Hall, Englewood Cliffs, NJ.1985.

[4] Morgan,”D.R.” Analysis of Multiple Correlation Cancelation Loop With a Filter in the Auxiliary path,”IEEE Trans. on ASSP, Vol. ASSP –28, NO .4, PP. 454-467 August, 1980.

[5] Burgess, J.C.,”Active Adaptive Sound Control in a Duct: A Computer Simulation,”J.Acoust. Soc. Am., Vol. 70, No.3, p.p.715-726, Sept, 1981.

[6] Kuo, SM et al,”Design Of Active noise control systems with the TMS320 family “Texas Instruments, 1996.

[7] Boaz Rafaely,”Active noise Reducing Headser”,http://www.Osee.Net/white papers/paper489. Pdf, 2000.

[8]L.J.Eriksson and M.C.Allie.”System Considerations for Adaptive Modelling Appliedto Active Noise Control.”.IEEE International Symposisum on,pp: 2390, Vol. 3, 7-9 JUNE 1988.

 [9] Petre Stoica and Torsten Soderstrom,” Statistical Analysis of Music and Subspace Rotation Estimates of Sinusoidal Frequencies”. IEEE Trans. On Signal processing, Vol.39, No.8, August 1991.

 [10] oliver Besson and petre Stoccia ,”Analysis of MUSIC and ESPRIT Frequency Estimations for Sinusoidal Signal with Lowpass Envelopes”.IEEE, Trans. On signal processing, Vol.44,No.9, September 1999.

 [11] Sen M.kuo and Dennis R.Morgan , ''active noise control : A Tutorial Review , ,, proceeding of the IEEE , Vol.87,no.6,june1999.

[12] Sen M.Kuo and Dennis R.Morgan,”Active Noise Control: A Tutorial Revie

”proceeding,of the IEEE, Vol.87, No.6,June 1999.

 [13] E. Bjarnason, “Analysis of the Filtered –X LMS algorithm.”IEEE Trans. On Speech and Audio Processing, 3:504-514,November 1995.

[14] M.Rupp, “Saving Complexity of Modified Filtered-x-LMS and Delayed Update LMS Algorithms.”IEEE Trans. On Circuits and System II, 44:57-60, January 1997.

 [15]S.J.Elliott and P.A.Nelson. “Active Noise Control” .IEEE processing PP.12-35,oct.1993

 [16]Anjelo J.Campanella,”active Noise control or cancellaction “ , campanella Associates ,2000.

 [17]Jacqueline Lamuth ,”noise “, ohio state university fact sheet ,community Development ,1998.

 [18]Olson ,H.F.and May,E.G,” electronic sound absorber “ .Journal of the Acoustical Society of America ,25,1130-1136,1953.

 [19]E.D.Simshauser and M.E.Hawely .” The Noise Canceling Headset an active ear defender ,” Journal of the acoustical society of America ,27,207,1995.

 [20]M.H.Hawley , “ acoustic interference for of noise control ,” Noise control ,2,61,63,1956.

 [21]W.F.Meeker,”componenets characteristics for an active ear Defender ,” Journal of the Accoustical society of America ,29,1252,1957.

 [22]A. Roure,”Self Adaptive Broadband Active sound control system .” journal of sound and vibration , 101,429-441,1985.

 [23]L.J.Eriksoon and M.C Allie , “ Use of Random noise for on-line transducerModoling in an Adaptive active attenuatuion system ,” journal of the acoustical society of America ,85,797-802,1989.

 [24]W.K.Tseng, B,rafaely and S.J.Ellitt,”Combined Feedback – feed forward active control of sound in a room , “ journal of the Acoustival society of America ,104 (6), 3417-3425,1985.

[25]M.Winberg,S.Johansson ,T.logo and I. classon ,” A new passive / active hybrid for a helicopter application , “ International journal of acoustics and vibration 4(2),51-58.1999.

 [26]C.Carme , “ the third principle of active control : the feed forback , “ Active99 Conference , Ft.Laudaredle 885-896.2-4 December , 1999.

[27]L.J.Ericsson,M.c.Allie , and R.A.greiner . “ The selection and application of IIR adaptive filter for use in active sound attenuation “ . IEEE Trance . on Acoustics , speech and signal processing , ASSP-35:433-437,April 1987.

 [28]S.M>kuo and C.chen , “ Implementation of adaptive filters with the Tms30c25 or The TmS32oc30 , “ in digital Signah processing Applications with The TMs320 family , vol . 3,p,pamichalis , Ed.englewood Cliffs , Nj: prentice Hall , ch.7 , pp.191-271,1990.

 [29]Alan V.Oppenheim , Ronald W.Schafer , “Discrete_Time signal processing , “ published by prentice_Hall,Inc.Upper saddle River , new jersey 07458,1999.

[30]T.Kailath , “ A View of Three decades of linear Filtering Theory , “ IEEE Trams Inf. Theory , vol.It-20,pp.145-181,mar,1974.

 [31]Gibson J.D. “ Backward Adaptive Prediction as spectral Analysis Whithina closed Loop , “ IEEE Trans . Aeoustics , Speech and signal Processing Vol. ASSp-33,pp.1166-1174.oct.1985.

 [32]B.Widrow,J.M.Mc cool , M.G.Larimore , and C.R.Johnson , Jr.” Stationary and No stationary learning Characteristics of LMS Adaptive Filter. “Proc. IEEE. VOL 64,pp1151-1162,Aug.1976.

[33]D.C.Farden ,”Traking properties of Adaptive signal Proccessing Algorithms , “ IEEE Trans.Speech Signal Process,Vol ASSP-29,439.gum.1981.

[34]A.Fever and E,Weinstein., ”Convergence Analysis of LMS Filters with uncorrelated Gaussin data., ”LEEE Trans.,Acoust.,Speech, Singnal Processing. ASSP-33:222-230.Feb.1985.

[35]J.R. Treichler C.R .Johnson. and M.G.Larimore, ”Theory and Design of Adaptive Filters, ”John Wiley & sons.1987.

[36]B.Widrow, J.M.Mc Cool, and M.Ball, ”The Complex LMS Algorithm,Proc.IEEE.63:719-720.Apr.1975

[37]D.C.Swanson. ”A tability Robustness Comparison of Adaptive Feedforward and Feedback Control Algorthms, ”In Proc.Recent Advances in Active Control of Sound Vibration ,P.P.165-168.1991.

 [38]M.Miyoshi and Y.Kaneda. ”Inverse Filtering of Room Acoustics, ”.IEEE , Trans Acoust.,Speech,Singnal Processing.(36):145-152.1998.

[39]Shuichi Adachi and Hisashisonal, ”Modeling of Acoustic Field for Feedback Active Noise Control, ”.IEEE Signal Processing magazine ,1999.

 [40]Shuichi Adachi and Hisashisonal, ”Active Noise Control System for Automobiles Based on Adeptive and Robust Control, ”Processing of the IEEE,International control Application, P.P.1125-1126,September 1998.

[41]S.D.Synder and C.M.Hansen, ”The Effect of Transfer, ”Function Estimation Errors on the Filtered x LMS Algorithm , ”IEEE Transactions on Signal Processing, Vol.42,P.P.950-953,1994.

[42]D.R.Morgan” An Adaptive Model Based Active Control System. ”Jourmal of The Acoustical Society of America,Vol.89,P.P248-256,1991.

[43]Eriksson,L.J., ”Development of the Filtered U Algorithm for Active Noise control, ”.Acoust.Soc.Am.,Vol.89,No.1,PP.256-265,January,1991.

[44]Lennart Ljung and Suante Gunarsoon, ”Adaptation and Tracking in system Identification A Survey”,Automazine, Vol.26,No.1,PP.7-21,1990.

[45].J.Elliott, M.C.Allie and R.A.Greiner, ” The Selection and Application of an IIR Adaptive Filter for Use in Attenion, ” IEEE Trans. On Acoustics,Speech and Signal Processing,Assp-35,PP.433-437,1987.

[46]M.Takahashi, T.Turbayashi, K.Hamada, T.Enikoda and T.Mura , ” Electric Sound Cancellation in Air_ Conditioning Duct System, ” Proceeding Inter _Noise,PP.607-610,1986.

[47] L.J.Eriksson. ”Active Sound Attenuation Using AdaptiveDigital Signal Processing techniques , ”.University of Wisconsin .Madison.1985.

 [48] S.J.Elliott and L.Biller, ”Adaptive Control of Flexural Waves Propagating in a beam ”, Journal of Sound and Vibration ,Vol .163,PP.265-310,1993.

 [49]Feintuch,P.F., ”An Adaptive Recursive LMS Filter, ” Proc, of IEEE,Vol.64,PP.1622-1624,November 1976.

[50] S.M.Kuo and D.R.Morgan , ”Active Noise Control Systems: Algorithms and Dsp Implementations, ”New York, Wiley ,1996.

 [51]S.D.Snyder and N.Tanaka, ”Active Control. Of Vibration Using a Neural Network,IEEE Trans. Networks, Vol.6,No.4,1995.

 [52] M.Bochard , B.Pillard and C.T.Le Dinh, ”Improved Training of Neural Networks For the Nonlinerar Active Control of Sound and Vibration , ”IEEE Transaction on Neural Networks,Vol.10,no.2,PP.391-401,Maret 1999.

 [53]S.D.Snyder and N.TanaKa, ” Active Control of Vibration Using a Neural Network , ,, IEEE Trans .Neural Network , Vol.6,No.4,1995.

 [54]S.Kumpati Narendra and Snehasis Mukhopadhyay , ,,Adaptive control using netrral Networks and Approximate Models ,,, IEEE Trasactions on Netural Networks, vol.8,No.3,PP.475-485,May,1997.

[55] R.Bambang , ,,Active Cancellation Using Recurrent Radial Basis Function Neural Networks ,,, IEEE , Asia-Pcific Conference on , vol.2,PP.231-26A,28-31 Oct,2002.

 [56]M.R.Berthold , ,, A Time Delay Radial Basis function network for phoneme recognition ,,, IEEE International conference on neural network , vol.7,PP.4470-4473,1994.

 [57]S.Haykin , ,,neural networks a comprehensive foundation , ,,Macmillan college publishing company , inc .1994.

 [58]Seng kah phooi,man zhihong,h.r.wu , ,, nonilinear active noise control using lyapunov theory , and RBF network , ,,IEEE, Neural networks for signal processing , vol.2,PP.916-925,11-13Dec.2000.

[59] I.Gath, A.B.Geua, " Unsupervised Optimal Fuzzy Clustering , " Pattern Analysis and Machine Intelligence, IEEE Trans.on, Vol.11,PP:773-780,7 July, 1989.

 [60] J.Bezdek, R.Ehrlich and W.Full, " FCM: The Fuzzy c-means Clustring algorithm" Cornnput Geo sci, Vol.10,PP.191-203,1984.

[61] N. Watanabe , T. Imaizumi , "Fuzzy K-Mean Clustering with Crisp Regions, " The 10th IEEE International Conference on, Vol.1,PP.199-202,2-5 Dec, 2001.

[62] J. Dobsa, B.D. Basic , " Concept Decomposition by Fuzzy k-means Algorithm" IEEE/WIC International conference on, PP.684-688, Oct, 2003

دانلود تحقیق نویز و راه حل مقابله با آن

اختصاصی از زد فایل دانلود تحقیق نویز و راه حل مقابله با آن دانلود با لینک مستقیم و پر سرعت .

نویز چیست ؟

نویز یعنی سیگنال ناخواسته که به 3 دسته اصلی تقسیم می شوند :
1- Background Noise ( نویز زمینه )
2- Modulated Noise ( نویز نوسانی )
3- Interference Noise ( نویز مزاحم )

بیشتر بحث درباره گزینه سوم می باشد که همانند یک سیگنال این امواج منتشر می شوند و سیگنالهای دریافتی ما را پوشش می دهند به نحوی که باعث بهم ریختن سیگنال اصلی می شوندشکل زیر تاثیرپذیری سیگنال سالم توسط نویز را نمایش می دهد .

در زیر دسته بندی دقیق تری از نویز را داریم :

- Backgroud and system noise ( تاثیرات داخلی سیستم یا نویز زمینه )
- Earth thermal noise ( تاثیرات حرارتی یا گرمایی زمین بر ماهواره )
- Free space lose ( از دست دادن سیگنال توسط فضا و جو )
- Rainfade ( تاثیرات بارانی بر روی ماهواره )
- Terrestrail Interference ( امواج رادیویی یا میکرو ویو مزاحم ) *
- ( Solar outage ( sun transit , solar interference ( تاثیرات خورشیدی بر روی ماهواره )

نویزی که هم اکنون در فضای تهران منتشر می‌گردد همان Terrestrial Interference می باشد . فرستنده های پخش پارازیت از اواسط سال 1381 توسط شرکت اریکسون در تهران راه اندازی شدند

این امواج زمینی رادیویی یا میکرو ویو نامیده می شوند که همانند سیگنال از برج رادیویی فرستاده می شوند و روی سیگنالهای اصلی ماهواره سوار می شوند و باعث می شوند که تصاویر ماهواره شما بصورت شطرنجی دیده شوند . معمولا microwave tower ها یا این برجها در محلهای بلند شهر نصب می شوند . این امواج برای اولین بار در سال 1965 در آمریکا برای فرستادن امواج رادیویی بکارگرفته شد آنها می خواستند یک دهم هزینه اصلی فرستادن یک باند رادیویی را بپردارنداز این سیستم استفاده می کردند و با پیشرفت تکنولوژی تقریبا " از سال 1980 این سیستم منسوخ گردید.این امواج در همان برج رادیویی توسط دستگاهی مخصوص تولید شده و منتشر می گردد.

امواج پارازیتی علاوه بر کانالهای تلویزیونی، تلفنهای همراه، انترنیت و نتزورکها، درسیستم الکترونیکی کلیه دستگاههای ایمنی، از جمله سیستمهای پزشکی بیمارستانها، مراکز تحقیقاتی، علمی، سنجش، دما و هوا و... اختلال ایجاد میکند ضررهایی که این امواج هنگام ارسال ایجاد می کنند

1- تداخل در سیستم هدایت هواپیما
2- تداخل در سیستم گیرندگی و فرستندگی کلیه دستگاههای ماهواره ای
3- تاثیرات بسیار منفی روی مغز و اعصاب انسانها
4- تاثیر منفی روی جنین کودک
5- عقیم شدن مردان و هزاران عوارض دیگر ....

امواج رادیویی را میتوان متفاوت بار دار کرد، سیگنالهای الکترونیکی قابلیت حمل هر نوع باری که بتوانند از طریق امواج رادیویی در هوا به حرکت در آیند و برای هدفهای متفاوتی بکار گرفته شوند، را دارند. امواج پارازیتی بدون ضرر وجود ندارد و در اساس نیز برای به هم زدن تعادل بکار گرفته میشود و مادام که پخش میشوند، بر روی هر رسانایی، از جمله بدن انسان، آب و موجودات می‌نشینند و عکس العمل نشان میدهند. امواج تنها در مسافت معیینی نمی مانند و در برخورد با کوهها، آبها ، ساختمانها، شیروانیها، آینه ها، وسایل نقلیه و ... میتوانند چند بار تکرار و تا مسافتهای طولانی باز پخش شوند.
راههای مقابله با این امواج

در بسیاری از سایتها روش های گوناگونی را بیان می نمایند ولی همه آنها روی تغییر مکان آنتن ماهواره تاکید دارند . به شکل زیر توجه نمائید :

اگر جهت امواج رادیویی مزاحم قابل تشخیص است، سیگنال لازم را می توان با جابجا کردن آنتن وقرار دادن آن در پناه موانعی مانند دیوار، بنای بلند یا نرده دریافت کرد. این موانع باید بین آنتن و امواج مزاحم قرار گیرند. از آنجا که امواج مزاحم از طریق انعکاس روی سطوحی نزدیک آنتن هم، در آن رسوخ می کنند، ایجاد مانع بین آنتن و منبع امواج مزاحم همیشه موثر نیست. بهترین حالت زمانی است که آنتن در تمام جهات کاملا پوشیده باشد، بجز یک گشادگی در جهت ماهواره و با قوسی معادل بعلاوه یا منهای پنج درجه پهنای باند آنتن. در مورد آنتن مورد مثال ما این قوس 12 درجه خواهد بود.

برای یک آنتن کوچک چنین پوششی میتواند یک ساختمان، یک گودی بزرگ در زمین (مثلا یک استخر یا حوض غیرقابل استفاده) یا شبیه آنها باشد. اگر بیش از یک مانع در آن اطراف مشاهده می کنید بهتر است آنتن را نزدیک بلندترین مانع قرار دهید.

در یک ساختمان 3 آنتن a , b , c را می بینید همچنین نحوه گرفتن سیگنال از ماهواره و برج رادیویی که امواج TI منتشر می نماید . آنتن های A , B چون جلوی آنها هیچ مانعی وجود ندارد هم سیگنال از ماهواره دریافت می نمایند هم امواج رادیویی ولی اگر خوب دقت نمائید آنتن شماره C با مقداری فاصله از یک مانع قرار دارد که به راحتی سیگنال لازم را از ماهواره دریافت می کند و امواج TI به آن برخورد نمی کند پس می توانیم آنتن خود را در محلی مناسب با فاصله ای مناسب از یک مانع بزرگ مثل دیوار - درخت یا یک ساختمان قرار دهیم البته لازم به ذکر است که اگر آنتن شماره C را به محل D منتقل نمائیم روی گیرایی سیگنال از ماهواره تاثیر می گذارد یعنی سعی کنیم فاصله لازم را رعایت نمائیم . در بعضی مواقع این امواج از چندین دکل در جهت های مختلف انتشار می یابند یعنی ممکن است از بقل هم آنتن شما تحت تاثیر این امواج قرار گیرد برای این منظور بهتر است آنتن درمحیطی محاط شود مثلا مابین کولرها یا قرار دادن آنتن در یک استخر یا حوض بدون مصرف به شکل زیر دقت نمائید :

کاری دیگری که برای دریافت امواج مناسب تصویری باید انجام داد تقویت امواج ماهواره ای برخورد کننده به آنتن می باشد این امواج بستگی به فاصله فرستنده و یا ماهواره از آنتن، قوی و یا ضعیف به آنتنها بر خورد میکنند و بستگی به نوع توان تقویتی آنتنها قابل دریافت هستند. آنتنهای ماهواره ای معمول در بازار در واقع گیرنده های ساده عمومی هستند که در همه کشورها استفاده میشوند و با توجه به اینکه فرستنده های ماهواره ای مانعی سر راه خود ندارند، احتیاجی به قدرت زیاد حتی 1 kw هم نیست که بتوانند امواج خود را به زمین و یا آنتنهای بشقابی برسانند. برای تقویت امواج ماهواره ای رله و دکالهای تقویتی را در نقاطی که مساعت شهر و یا منطقه ای را بپوشاند نصب میکنند و مجدادا امواج تقویت شده را بر روی آنتنها ویا دیشها میفرستند، در ایران نقاطی که این امکان وجود ندارد استفاده از دیشهای بزرگ این مشکل را تا اندازه ای حل میکند، ولی استفاده از بوستر که یک تقویت کننده شخصی است برای آنتنهای ماهواره ایLien In LNB Amplifier کمک زیادی به تقویت امواج میکند.

شامل 67 صفحه word

دانلود مقاله توسعه و ارزیابی آزمایشگاهی مکانیزم کاهنده نویز سکوی توزین سامانه سنجش عملکرد نیشکر با استفاده از لودسل جرم آزاد

اختصاصی از زد فایل دانلود مقاله توسعه و ارزیابی آزمایشگاهی مکانیزم کاهنده نویز سکوی توزین سامانه سنجش عملکرد نیشکر با استفاده از لودسل جرم آزاد دانلود با لینک مستقیم و پر سرعت .

چکیده

موضوع تحقیق حاضر توسعه روشی برای سامانه‌‌های سنجش عملکرد مبتنی بر وزن به منظور تصحیح نویز مربوط به اثر ارتعاشات و تکان‌‌های ماشین حین حرکت در مزرعه می‌باشد. این روش بر همانند سازی ارتعاشی سامانه معادل جرم و فنر سکوی توزین با یک لودسل اضافه مجهز به وزنه آزاد استوار است. یکسان سازی بسامد طبیعی و فاز ارتعاش این دو سامانه با محاسبه وزنه آزاد و در نهایت تصحیح سیگنال‌‌های سکو با تفاضل مضربی از سیگنال‌‌های حاصل از لودسل آزاد از مجموع سیگنال‌‌های سکوی توزین به طور پیوسته انجام گرفت. طی دو سری آزمون در قالب آزمایش فاکتوریل بر پایه طرح کامل تصادفی اثر 6  سطح بسامدی ارتعاشات 3 تا 8 هرتز روی میز ارتعاشی و سه سطح سرعت پره های شبیه ساز بالابر 2/2، 4/2 و 7/2 متر بر ثانیه و 5 سطح اضافه وزن محصول عبوری از روی سکو از صفر تا 6 کیلوگرم  بر انحراف معیار سیگنال‌های خروجی از سکوی توزین قبل و بعد از تصحیح نشان داد که در محدوده وسیعی از بسامد‌های ارتعاشی، سرعت‌های مختلف بالابر و حتی در محدوده‌ای از اضافه بار‌های متفاوت روی سکو و همچنین برای تکان‌‌های گذرا بعد از تصحیح در سطح احتمال 1%  اختلاف معنی داری با قبل از تصحیح داشته و بعد از تصحیح  از 4/0 فراتر نرفته و پایداری خوبی داشت. همچنین بهترین ضریب تصحیح برای حالت بدون بار 1/2 و برای حالت عبور محصول 4/2 به دست آمد. استفاده از این تکنیک به دلیل ساختار ساده و دقت بالا کاملا کاربردی است و مزیت مهم دیگر آن این است که در محدوده بسامد‌های پایین که نمی‌توان از فیلتر‌های آنالوگ یا دیجیتال به دلیل امکان حذف سیگنال‌های مفید استفاده نمود، این تکنیک به خوبی جواب گو است.

فایل ورد 12 ص