دفاعیه کارشناسی ارشد (برق و کامپیوتر) حذف اعوجاج ناشی از عملکرد غیرخطی میکروفن با بررسی طیف فرکانسی و شبکه عصبی چندلایه
| تاریخ ارسال: 1400/6/26 |
استاد راهنما: دکتر رویا امجدی فرد
چکیده:
یکی از موضوعات مهم در پردازش سیگنال‌های صوتی، کاهش و حذف نویز ناخواسته از سیگنال اصلی و بهبود آن است. ساختار فیزیکی میکروفن، می‌تواند باعث ایجاد اعوجاج‌های غیرخطی در سیگنال ضبط شده و در نتیجه اضافه شدن نویز بر روی سیگنال اصلی شود. یکی از پارامترهای مهم در تعیین کیفیت میکروفن، نویز خودساخته بوده که به معنی سیگنالی است که میکروفن در زمان سکوت از خود تولید می‌کند. دسته مهمی از روش‌های کاهش نویز میکروفن، طیف فرکانسی دوره کوتاه سیگنال نویزی را تغییر داده و اصلاح می‌کنند. اصلاحات طیفی این روش‌ها به‌صورت یک فیلتر در حوزه فرکانسی بیان می‌شود. در این پروژه با استفاده از بررسی طیف فرکانسی یک سیگنال ضبط شده، سعی در شناسایی الگوی اعوجاجات به ازای دامنه و فرکانس سیگنال و جبران سازی آن‌ها با استفاده از فیلتر فرکانسی و شبکه عصبی مصنوعی می‌گردد. برتری روش پیشنهادی نسبت به سایر مقالات این است که در آموزش شبکه عصبی نیازی به سیگنال تمیز نیست و با شناسایی بخش سکوت سیگنال و شناسایی نویز موجود در آن، شبکه عصبی را آموزش داده و در ادامه از آن استفاده می‌شود. به منظور ارزیابی روش پیشنهادی، میزان سیگنال به نویز ورودی و خروجی با یکدیگر مقایسه شده و درصد بهبود سیگنال محاسبه می‌شود.
یکی از موضوعات مهم در پردازش سیگنال‌های صوتی، کاهش و حذف نویز ناخواسته از سیگنال اصلی و بهبود آن است. ساختار فیزیکی میکروفن، می‌تواند باعث ایجاد اعوجاج‌های غیرخطی در سیگنال ضبط شده و در نتیجه اضافه شدن نویز بر روی سیگنال اصلی شود. یکی از پارامترهای مهم در تعیین کیفیت میکروفن، نویز خودساخته بوده که به معنی سیگنالی است که میکروفن در زمان سکوت از خود تولید می‌کند. دسته مهمی از روش‌های کاهش نویز میکروفن، طیف فرکانسی دوره کوتاه سیگنال نویزی را تغییر داده و اصلاح می‌کنند. اصلاحات طیفی این روش‌ها به‌صورت یک فیلتر در حوزه فرکانسی بیان می‌شود. در این پروژه با استفاده از بررسی طیف فرکانسی یک سیگنال ضبط شده، سعی در شناسایی الگوی اعوجاجات به ازای دامنه و فرکانس سیگنال و جبران سازی آن‌ها با استفاده از فیلتر فرکانسی و شبکه عصبی مصنوعی می‌گردد. برتری روش پیشنهادی نسبت به سایر مقالات این است که در آموزش شبکه عصبی نیازی به سیگنال تمیز نیست و با شناسایی بخش سکوت سیگنال و شناسایی نویز موجود در آن، شبکه عصبی را آموزش داده و در ادامه از آن استفاده می‌شود. به منظور ارزیابی روش پیشنهادی، میزان سیگنال به نویز ورودی و خروجی با یکدیگر مقایسه شده و درصد بهبود سیگنال محاسبه می‌شود.
دانشجو: آقای بهزاد ذویوسفین
زمان: چهارشنبه ۳۱ شهریور ماه ۱۴۰۰ ساعت: ۱۰:۰۰
مطالب مشابه
دفعات مشاهده: 578 بار |
دفعات چاپ: 138 بار |
دفعات ارسال به دیگران: 0 بار |
0 نظر