دانلود سمینار ارشد برق کنترل: کاربرد فیلتر کالمن عصبی در بهبود سیگنال های صوتی

متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی برق

با عنوان : کاربرد فیلتر کالمن عصبی در بهبود سیگنال های صوتی

در ادامه مطلب می توانید تکه هایی از ابتدای این پایان نامه را بخوانید

و در صورت نیاز به متن کامل آن می توانید از لینک پرداخت و دانلود آنی برای خرید این پایان نامه اقدام نمائید.

دانشگاه آزاد اسلامی
واحد تهران جنوب
دانشكده تحصیلات تكمیلی
” M.SC ” پایان نامه جهت دریافت درجه كارشناسی ارشد
مهندسی برق-كنترل
عنوان:
كاربرد فیلتر كالمن عصبی در بهبود سیگنالهای صوتی

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده:

در فصل اول، پایان نامه مروری بر پژوهشهای انجام شده توسط محققان و دانشمندا ن طی نیم قرن اخیر دارد و سعی می كند تا روند تكامل خانواده فیلتر كالمن را مورد بررسی قرار دهد. در فصل دوم به معرفی فیلتر كالمن، فیلتر كالمن توسعه یافته و فیلتر كالمن دوگانه می پردازد و روابط آنها و چگونگی استخراج این روابط تشریح می گردد . در فصل سوم موضوع شناسایی سیتمهای خطی و غیر خطی مطرح می گردد و انواع روشهای شناسایی سیستمهای خطی و غیر خطی مورد مطالعه قرار می گیرد . همچنین كاربرد شبكه عصبی در شناسایی سیستمهای غیر خطی و نحوه آموزش و انتخاب ساختار شبكه عصبی تشریح می گردد و در ادامه نحوه آموزش شبكه عصبی انتخاب شده ارائه می گردد . در فصل چهارم نیز به ارائه شبیه سازیهای انجام شده با نرم افزار Matlab 6.5 و مقایسه آنها با یكدیگر پرداخته شده است.

لیست برنامه های نوشته شده نیز در پیوست ۱ ارائه گردیده است.

مقدمه:

موضوع بهبود گفتار با نیاز به افزایش كیف یت عملكرد سیستمهای ارتباطی صوتی در محیط های نویزی ، مطرح گردید . رنج عملكردی وسیعی برای سیستمهای تشخیص گفتار جهت بهبود ارتباط از راه دور در هوانوردی ، صنایع نظامی ، گفتگوهای راه دور و محیط های سلولی وجود دارد . هدف ما نیز در این پایان نامه بهبود كیفیت قابل ملاحظه گفتار یا افزایش قابلیت فهم آن می باشد.

كاربردهای فراوانی از بهبود گفتارهای صوتی تا پیش بینی های اقتصادی و كنترل تطبیقی نیازمند تخمین و مدلسازی دنباله های زمانی نویزی می باشند . از این جمله می توان به بهبود گفتارهای صوتی ، پیش بینی اقتصادی ، مدلسازی ژئو فیزیكی و بسیاری كاربردهای دیگر اشاره كرد. یك دنباله زمانی نویزی می تواند با یك مدل احتمالی كه هر دوی اجزای تقریبی و دقیق دینامیك ها را تخمین می زند ، توصیف شود . چنین مدلی می تواند به همراه فیلتر كالمن (یا فیلتر كالمن توسعه یافته) جهت تخمین و پیش بینی سری زمانی از مشاهدات نویزی بكار گیری شود.

فیلتر كالمن یك فیلتر بهینه خطی است كه بر روی فضای حالت سیتمهای خطی استاتیكی و دینامیكی اثر گذاشته و یك تخمین بهینه از حالتهای سیستم با استفاده از معادلات بر گشت پذیر و دینامیكی خود در شرایطی كه دسترسی به آنها میسر نباشد ارائه می دهد. همچنین این فیلتر می تواند تاثیر كلیه اطلاعات گذشته و ابتدایی سیستم را نیز در تخمین هر لحظه خود لحاظ نماید.

بنابراین با توضیحات ارائه شده در بالا می توان فهمید كه جهت بازیابی یك سیكنال صوتی به یك تخمین خوب نیاز است اما موضوع مهم این است كه فیلتر كالمن خطی قادر به ارائه تخمین از مدلهای سیستمهای غیر خطی نمی باشد حال آنكه اكثر سیستمهای واقعی كه سیستمهای صوتی نیز از این جمله می باشند ماهیت غیر خطی دارند. لذا در این پایان نامه بر آن شدیم تا با مطالعه بر روی فیلتر كالمن توسعه یافته و به كمك شبكه های عصبی بتوانیم موضوع مدلسازی و تخمین سیگنال صوتی را با فرض غیر خطی بودن آن بررسی نماییم.

1- مروری بر پژوهش های پیشین

1-1- فیلتر وینر:

روبرت وینر به همراه نویلسون از دانشگاه MIT امریكا در خلال سالهای ۱۹۴۰ تا ۱۹۴۹ تحقیق گسترده ای را جهت یافتن یك فیلتر بهینه به منظور تخمین حالتهای سیستمهای خطی انجام دادند كه نهایتا در سال ۱۹۴۹ منجر به معرفی فیلتر وینر گردید. این فیلتر یك تخمین خطی با حداقل كردن میانگین مربعات خطا (LMMSE) برای سیگنال مشاهده شده ارائه می دهد. اما این فیلتر دارای چند مشكل بود. اول آنكه ما نیازمند تخمینهای علی هستیم و در نتیجه برای تخمین علی بایستی از فیلتر وینر علی استفاده شود در حالیكه فیلتر وینر فقط N مشاهده جدید را جهت تخمین بكارگیری می كرد و در نتیجه ممكن بود اطلاعاتی از سیگنال در مشاهدات گذشته وجود داشته باشد كه در این صورت از بین می رفت. دوم آنكه این فیلتر فقط برای نویزهای ثابت با میانگین صفر طراحی شده بود در حالیكه در دنیای واقعیت انواع نویزهای غیر ثابت وجود دارد. سوم آنكه فیلتر وینر جهت ارائه تخمین سیگنال نیاز به چگالی طیفی و تابع خود همبستگی سیگنال دارد كه در همه مواقع در دسترس نمی باشد. وچهارم آنكه تخمینهای LMMSE و ML و MAP كه جهت محاسبات این فیلتر بكار می روند در هر زمان نیاز به مشاهدات جدید بودند كه مستلزم حافظه بالا بود. همه این عوامل محققان را در طی سالهای ۱۹۵۰ تا ۱۹۶۰ به فكر انداخت تا در پی معرفی فیلتری جدید با قابلیت ارائه تخمین خطی بهینه از طریق مینیمم كردن میانگین خطا و عاری از مشكلات فیلتر وینر باشند.

تعداد صفحه : 125

قیمت : 14700 تومان

 

***

—-

پشتیبانی سایت :       

****         serderehi@gmail.com

دیدگاهتان را بنویسید