ارائه روش جديد جهت حذف نويز آكوستيكي در يك مجرااستفاده هم زمان از فيلترهاي وفقي و شبكه هاي عصبي در حالت فركانس متغيرچكيدهتاكنون براي حذف نويزهاي آكوستيكي از روش هاي فعال و غير فعالاستفاده شده است. برخلاف روش غير فعال مي‌توان بوسيله‌ي روش فعال، نويز را در فركانس هاي پايين (زير 500 هرتز)، حذف و يا كاهش داد. در روش فعال از سيستمي استفاده مي شود كه شامل يك فيلتر وفقي است. به دليل رديابي خوب فيلتر LMS در محيط نويزي، الگوريتم FXLMS بعنوان روشي پايه ارائه شده است. اشكال الگوريتم مذكور اين است كه در مسائل كنترل خطي استفاده مي شود. يعني اگر فركانس نويز متغير باشد و يا سيستم كنترلي بصورت غيرخطي كار كند، الگوريتم فوق به خوبي كار نكرده و يا واگرا مي شود.بنابراين در اين پايان نامه، ابتدا به ارائه ي گونه اي از الگوريتم FXLMS مي پردازيم كه قابليت حذف نويز، با فركانس متغير، در يك مجرا و در كوتاه‌ترين زمان ممكن را دارد. براي دستيابي به آن مي توان از يك گام حركت وفقي بهينه () در الگوريتم FXLMS استفاده كرد. به اين منظور محدوده ي گام حركت بهينه در فركانس هاي 200 تا 500 هرتز را در داخل يك مجرا محاسبه كرده تا گام حركت بهينه بر حسب فركانس ورودي به صورت يك منحني اسپلاين مدل شود. حال با تخمين فركانس سيگنال ورودي به صورت يك منحني اسپلاين مدل شود. حال با تخمين فركانس سيگنال ورودي بوسيله ي الگوريتم MUSIC، را از روي منحني برازش شده، بدست آورده و آن را در الگوريتم FXLMS قرار مي‌دهيم تا همگرايي سيستم در كوتاه‌ترين زمان، ممكن شود. در نهايت خواهيم ديد كه الگوريتم FXLMS معمولي با گام ثابت با تغيير فركانس واگرا شده حال آنكه روش ارائه شده در اين پايان نامه قابليت ردگيري نويز با فركانس متغير را فراهم مي آورد.همچنين‌به دليل‌ماهيت غيرخطي سيستم‌هايANC ، به ارائه‌ي نوعي شبكه‌ي عصبي RBF TDNGRBF مي‌پردازيم كه توانايي مدل كردن رفتار غيرخطي را خواهد داشت. سپس از آن در حذف نويز باند باريك فركانس متغير در يك مجرا استفاده كرده و نتايج آن را با الگوريتم FXLMS مقايسه مي كنيم. خواهيم ديد كه روش ارائه شده در مقايسه با الگوريتم FXLMS، با وجود عدم نياز به تخمين مسير ثانويه، داراي سرعت همگرايي بالاتر (3 برابر) و خطاي كمتري (30% كاهش خطا) است. براي حذف فعال نويز به روش TDNGRBF، ابتدا با يك شبكه ي GRBF به شناسايي مجرا مي‌پردازيم. سپس با اعمال N تاخير زماني از سيگنال ورودي به N شبكه ي GRBF (با تركيب خطي در خروجي آنها)، شناسايي سيستم غيرخطي بصورت بر خط امكان پذير مي شود. ضرايب بكار رفته در تركيب خطي با استفاده از الگوريتم NLMS بهينه مي شوند.تعداد صفحات 101 word فهرست مطالبصفحهچكيدهفصل صفر: مقدمهفصل اول: مقدمه اي بر كنترل نويز آكوستيكي1-1) مقدمه1-2) علل نياز به كنترل نويزهاي صوتي (فعال و غير فعال)1-2-1) بيماري هاي جسمي1-2-2) بيماري هاي رواني1-2-3) راندمان و كارايي افراد1-2-4) فرسودگي1-2-5) آسايش و راحتي1-2-6 جنبه هاي اقتصادي1-3) نقاط ضعف كنترل نويز به روش غيرفعال1-3-1) كارايي كم در فركانس هاي پايين1-3-2) حجم زياد عايق هاي صوتي1-3-3) گران بودن عايق هاي صوتي1-3-4) محدوديت هاي اجرايي1-3-5) محدوديت هاي مكانيكي1-4) نقاط قوت كنترل نويز به روش فعال1-4-1) قابليت حذف نويز در يك گسترده ي فركانسي وسيع1-4-2) قابليت خود تنظيمي سيستم1-5) كاربرد ANC در گوشي فعال1-5-1) تضعيف صدا به روش غير فعال در هدفون1-5-2) تضعيف صدا به روش آنالوگ در هدفون1-5-3) تضعيف صوت به روش ديجيتال در هدفون1-5-4) تضعيف صوت به وسيله ي تركيب سيستم هاي آنالوگ و ديجيتال در هدفون1-6) نتيجه گيريفصل دوم: اصول فيلترهاي وفقي2-1) مقدمه2-2) فيلتر وفقي2-2-1) محيط هاي كاربردي فيلترهاي وفقي2-3) الگوريتم هاي وفقي2-4) روش تحليلي2-4-1) تابع عملكرد سيستم وفقي2-4-2) گراديان يا مقادير بهينه بردار وزن2-4-3) مفهوم بردارها و مقادير مشخصه R روي سطح عملكرد خطا2-4-4) شرط همگرا شدن به٭2-5) روش جستجو2-5-1) الگوريتم جستجوي گردايان2-5-2) پايداري و نرخ همگرايي الگوريتم2-5-3) منحني يادگيري2-6) MSE اضافي2-7) عدم تنظيم2-8) ثابت زماني2-9) الگوريتم LMS2-9-1) همگرايي الگوريتم LMS2-10) الگوريتم هاي LMS اصلاح شده2-10-1) الگوريتم LMS نرماليزه شده (NLMS)2-10-2) الگوريتم هاي وو LMS علامتدار وو (SLMS)2-11) نتيجه گيريفصل سوم: اصول كنترل فعال نويز3-1) مقدمه3-2) انواع سيستم هاي كنترل نويز آكوستيكي3-3) معرفي سيستم حذف فعال نويز تك كاناله3-4) كنترل فعال نويز به روش پيشخور3-4-1) سيستم ANC پيشخور باند پهن تك كاناله3-4-2) سيستم ANC پيشخور باند باريك تك كاناله3-5) سيستم هاي ANC پسخوردار تك كاناله3-6) سيستم هاي ANC چند كاناله3-7) الگوريتم هايي براي سيستم هاي ANC پسخوردار باند پهن3-7-1) اثرات مسير ثانويه3-7-2) الگوريتم FXLMS3-7-3) اثرات فيدبك آكوستيكي3-7-4) الگوريتم Filtered- URLMS3-8) الگوريتم هاي سيستم ANC پسخوردار تك كاناله3-9) نكاتي درباره ي طراحي سيستم هاي ANC تك كاناله3-9-1) نرخ نمونه برداري و درجه ي فيلتر3-9-2) عليت سيستم3-10) نتيجه گيريفصل چهارم: شبيه سازي سيستم ANC تك كاناله4-1) مقدمه4-2) اجراي الگوريتم FXLMS4-2-1) حذف نويز باند باريك فركانس ثابت4-2-2) حذف نويز باند باريك فركانس متغير4-3) اجراي الگوريتم FBFXLMS4-4) نتيجه گيريفصل پنجم: كنترل غيرخطي نويز آكوستيكي در يك ماجرا5-1) مقدمه5-2) شبكه عصبي RBF5-2-1) الگوريتم آموزشي در شبكه ي عصبي RBF5-2-2) شبكه عصبي GRBF5-3) شبكه ي TDNGRBF5-4) استفاده از شبكه ي TDNGRBF در حذف فعال نويز5-5) نتيجه گيريفصل ششم: نتيجه گيري و پيشنهادات6-1) نتيجه گيري6-2) پيشنهاداتمراجع