BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH ĐỀ TÀI NCKH CẤP SINH VIÊN NGHIÊN CỨU VÀ MƠ PHỎNG HỆ THỐNG TRIỆT NHIỄU DÙNG BỘ LỌC THÍCH NGHI VÀMẠNG NƠRON S K C 0 9 S KC 0 1 8 Tp Hồ Chí Minh, 2006 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HỒ CHÍ MINH KHOA ĐIỆN TỬ -oOo - Đề Tài Nghiên Cứu Khoa Học NGHIÊN CỨU VÀ MÔ PHỎNG HỆ THỐNG TRIỆT NHIỄU DÙNG BỘ LỌC THÍCH NGHI VÀ MẠNG NƠRON GVHD: ThS LÊ MINH THÀNH SVTH: NGUYỄN HOÀNG THÔNG NGUYỄN QUÝ TÂM THÁNG / 2006 Đề tài nghiên cứu khoa học GIỚI THIỆU Mạng nơron kết hợp nhiều đặc trưng nhiều khoa học sinh học, vật lí, tâm lí học, thần kinh học Kĩ thuật hoạt động thơng qua kết nối phần tử tính tốn với Do vậy, cấu mạng nơron nhân tạo dựa hiểu biết hệ thống thần kinh lĩnh vực sinh vật học Mạng nơron gồm nhiều phần tử chúng kết nối với Mối quan hệ phần tử với phần tử khác biểu diễn trọng số phần tử phần tử khác mạng Mạng nơron đặc trưng cấu trúc, xếp phần tử, đặc tính phần tử luật học, huấn luyện Luật ban đầu khởi tạo trọng số đồng thời đưa phương thức thay đổi trọng số để tăng cường mối quan hệ phần tử Mạng nơron mang lại nhiều lợi ích to lớn, đặc biệt độ xác cao sai số chấp nhận Do mạng nơron gồm nhiều phần tử phần tử hoạt động đồng thời nên vài phần tử bị lỗi mạng hoạt động tốt kết khơng bị ảnh hưởng đáng kể Mạng nơron có nhiều triển vọng áp dụng lĩnh vực nhận diện tiếng nói, xử lí ảnh triệt nhiễu Triệt nhiễu vấn đề hấp dẫn, có ý nghĩa to lớn hệ thống thơng tin phức tạp đòi hỏi đầu tư lớn Đề tài: “Triệt nhiễu dùng lọc thích nghi mạng nơron” tập trung vào phương pháp triệt nhiễu cổ điển đại, gồm phần sau: Chương 1: Dẫn nhập Chương 2: Triệt nhiễu thích nghi Chương 3: Bộ lọc số Chương 4: Mạng nơron Chương 5: Các giải thuật triệt nhiễu Chương 6: Mơ Chương 7: Kết luận hướng phát triển So sánh ưu, nhược điểm giải thuật triệt nhiễu thơng qua kết mơ độ lớn hàm sai số cho giải thuật Các giải thuật cổ điển LMS, RLS, NLMS cho kết tương đối tốt đặc biệt giải thuật NLMS Tuy nhiên, giải thuật dùng mạng nơron cho kết tốt triển vọng Đề tài nghiên cứu khoa học MỤC LỤC Trang Chương 1: Dẫn nhập 1.1 Đặt vấn đề 1.2 Tầm quan trọng đề tài 1.3 Mục đích nghiên cứu 1.4 Giới hạn đề tài Chương 2: Triệt nhiễu thích nghi 2.1 Giới thiệu triệt nhiễu thích nghi 2.2 Hoạt động triệt nhiễu thích nghi 2.3 Ứng dụng thực tế triệt nhiễu thích nghi Chương 3: Bộ lọc số 3.1 Bộ lọc số 3.2 Bộ lọc FIR 3.2.1 Khái niệm 3.2.2 Các mơ hình hệ thống FIR 3.3 Bộ lọc IIR 3.3.1 Khái niệm 3.3.2 Các mơ hình hệ thống IIR 3.4 Ưu điểm nhược điểm lọc FIR IIR 15 Chương 4: Mạng nơron 16 4.1 Cấu trúc não người 16 4.2 Mơ hình nơron 16 4.3 Các hàm truyền thơng dụng 17 4.4 Cấu trúc mạng nơron 17 Chương : Các giải thuật triệt nhiễu 19 5.1 Đặt vấn đề 19 5.1.1 Giới thiệu 19 5.1.2 Lọc thích nghi triệt nhiễu thích nghi 19 5.2 Giải thuật LMS 20 5.3 Giải thuật RLS 20 5.4 Giải thuật NLMS hay ABNS 21 5.5 Giải thuật dùng mạng nơron 21 Đề tài nghiên cứu khoa học Chương 6: Mơ 24 6.1 Đặt vấn đề 24 6.2 Lưu đồ giải thuật 24 6.2.1 Lưu đồ chương trình 24 6.2.2 Lưu đồ chương trình 25 6.3 Kết mơ 27 6.3.1 Giải thuật LMS 27 6.3.2 Giải thuật RLS 28 6.3.3 Giải thuật NLMS 28 6.3.4 Giải thuật dùng mạng nơron 29 6.3.5 Tổng hợp giải thuật 29 Chương 7: Kết luận hướng phát triển 31 7.1 Kết luận 31 7.2 Hướng phát triển 31 PHỤ LỤC – TÀI LIỆU THAM KHẢO Đề tài nghiên cứu khoa học Chương DẪN NHẬP 1.1 Đặt vấn đề Trong xã hội khơng ngừng vận động phát triển, người có nhu cầu trao đổi thơng tin với tiếp cận thơng tin cách nhanh Trong tất dạng thơng tin phải truyền tải qua kênh truyền định, mà kênh truyền ln tồn nhiều loại nhiễu khác Do đó, tín hiệu thu sau qua kênh truyền khơng ngun vẹn cũ mà bị thay đổi nhiều hay tùy theo phân bố nhiễu đường truyền Vậy làm để thơng tin truyền mà khơng bị sai lệch nội dung khơng bị méo dạng Để khắc phục vấn đề cần phải có lọc có khả tự điều chỉnh hay tự thích nghi với biến thiên tín hiệu nhiễu để loại chúng khỏi tín hiệu Hiện nay, với phát triển vượt bậc khoa học kỹ thuật đặc biệt lĩnh vực thơng tin với tốc độ xử lý máy tính khơng ngừng nâng cao, vấn đề hồn tồn thực thơng qua giải thuật triệt nhiễu thích nghi LMS, RLS, NLMS mạng nơron 1.2 Lý chọn đề tài Trong mơi trường sống, ln tồn nhiều dạng nhiễu khác mà ảnh hưởng khơng đến nhu cầu người Nên làm để loại trừ ảnh hưởng bất lợi này, điều vấn đề thu hút nhóm tìm hiểu phương pháp triệt nhiễu chọn cho phương pháp đơn giản ứng dụng nhiều thực tế triệt nhiễu dùng lọc thích nghi mạng nơron 1.3 Tầm quan trọng đề tài Đề tài có vị trí quan trọng thực tiễn, hầu hết mơi trường ln có diện tín hiệu nhiễu nên cần có biện pháp để khắc phục hay hạn chế bớt ảnh hưởng nhiễu để thơng tin thu lại tốt Các giải pháp triệt nhiễu ứng dụng rộng rãi hầu hết nơi cần có độ xác thơng tin cao lĩnh vực truyền tin: điện thoại, thiết bị y tế, thu tiếng nói,… Ngồi giải thuật triệt nhiễu đơn giản dễ thực 1.4 Mục đích nghiên cứu Tìm hiểu lọc số, mơ hình triệt nhiễu sử dụng lọc thích nghi Tiến hành xây dựng mơ chương trình triệt nhiễu thích nghi sử dụng giải thuật LMS, RLS, NLMS mạng nơron với hỗ trợ matlab Xác định lỗi phương pháp Nhận xét so sánh phương pháp với 1.4 Giới hạn đề tài Trong pham vi hẹp nhóm thực khơng sâu vào việc tìm hiểu giải thuật mà vào ứng dụng giải thuật nêu để xây dựng chương trình mơ phỏng, qua xác định thơng số lỗi phương pháp Dữ liệu sử dụng tín hiệu dạng hình sin Nhiễu đường truyền chủ yếu nhiễu ngẫu nhiên với biên độ tương đối nhỏ Đề tài nghiên cứu khoa học Chương TRIỆT NHIỄU THÍCH NGHI 2.1 Giới thiệu triệt nhiễu thích nghi Một hệ thống triệt nhiễu đơn giản hình 2.1 Hình 2.1: Hệ thống triệt nhiễu Phương pháp triệt nhiễu ngun thủy bị giới hạn, tín hiệu nhiễu cảm biến tham khảo khơng giống hồn tồn với tín hiệu nhiễu đến cảm biến sau qua lọc hay làm trễ Trong trường hợp xấu hơn, dẫn đến việc làm tăng cơng suất trung bình nhiễu ngõ Với hệ thống triệt nhiễu thích nghi hồn tồn khắc phục vấn đề trên, triệt nhiễu thích nghi tạo tín hiệu lỗi ước lượng gần giống tín hiệu lỗi tồn với tín hiệu loại bỏ tín hiệu nhiễu thu tín hiệu mong muốn, hình 2.2 Hình 2.2: Bộ triệt nhiễu thích nghi 2.2 Hoạt động triệt nhiễu thích nghi Ngun lý hoạt động triệt nhiễu thích nghi ước lượng tín hiệu nhiễu có tín hiệu cho loại khỏi tín hiệu để thu tín hiệu khơng nhiễu mong muốn Một triệt nhiễu thích nghi có hai ngõ vào, ngõ vào từ nguồn tín hiệu thơng qua cảm biến ngõ vào từ nguồn nhiễu thơng qua cảm biến tham khảo (hình 2.2) Cảm biến ngồi việc thu tín hiệu S(n) từ nguồn tín hiệu thu phần tín hiệu từ nguồn nhiễu sau làm trể hay qua lọc HN(n) Tín hiệu thu cảm biến = S(n) + HN(n) Đề tài nghiên cứu khoa học Cảm biến tham khảo thu tín hiệu nhiễu N(n) đưa đến lọc thích nghi.Bộ lọc l ước lượng H l N ( n ) từ N(n) với H thích nghi tạo tín hiệu ước lượng H Ngõ tổng hợp hai tín hiệu: tín hiệu thu từ cảm biến tín hiệu ước lượng tạo từ lọc thích nghi: l N ( n) = S ( n ) + ( H − H l ) N ( n ) = e( n ) Tín hiệu ngõ = S (n) = S (n) + HN (n) − H Từ cơng thức ta nhận thấy, để thu tín hiệu mong muốn S(n) thành l ) N (n) phải nhỏ khơng Tín hiệu e(n) ngõ phần nhiễu ( H − H xem tín hiệu lỗi đưa điều chỉnh hệ số lọc thích nghi để tạo l N ( n ) ≈ HN ( n ) , tín hiệu ngõ triệt bớt nhiễu đạt tín tín hiệu H hiệu mong muốn 2.3 Ứng dụng thực tế triệt nhiễu thích nghi 2.3.1 Điều khiển nhiễu tích cực ống dẫn hẹp Hệ thống triệt nhiễu thích nghi ứng dụng cho mục đích triệt nhiễu ống dẫn hẹp ống dẫn khí hệ thống thơng gió, mơ tả hình 2.3 Hình 2.3: Triệt nhiễu tích cực ống dẫn hẹp 2.3.2 Điều khiển nhiễu thích nghi máy bay phản lực Động máy bay sinh nhiễu với mức 140 dB Trong tiếng nói người bình thường mức 30 - 40dB, tiếng nói máy bay khơng nghe Một sở đơn giản hệ thống triệt nhiễu máy bay minh họa hình 2.4 Hình 2.4: Hệ thống điều khiển nhiễu thích nghi máy bay phản lực Đề tài nghiên cứu khoa học Chương BỘ LỌC SỐ 3.1 Bộ lọc số Trong lĩnh vực điện tử, lọc số dạng lọc điện tử hoạt động dựa vào thuật tốn số, dạng cấp cao tín hiệu Bộ lọc số tương phản với lọc tương tự, lọc tương tự hoạt động hồn tồn lĩnh vực tương tự phải dựa vào mạng vật lý linh kiện điện tử như: điện trở, tụ điện, transistor, …, để đạt hiệu lọc mong muốn Ưu điểm lọc số: - Bộ lọc số dễ dàng đạt tần số cắt tốt nhiều so với lọc tương tự Ví dụ: để tạo lọc thơng thấp tần số 1000Hz, lọc số hồn tồn cho qua tín hiệu tần số 999Hz, khố tín hiệu 1001Hz, lọc tương tự khó thực điều - Đối với lọc có nhiều tầng phức tạp, lọc số có khả đạt tỉ số SNR (signal-to-noise ratio) tốt lọc tương tự Do tầng trung gian, lọc tương tự cộng nhiễu vào tín hiệu, lọc số thực thuật tốn triệt nhiễu tầng trung gian q trình truyền tín hiệu thơng qua việc chuyển đổi tín hiệu ADC Nhược điểm lọc số: - Tốc độ: tốc độ lọc số phụ thuộc vào tốc độ xử lý lọc - Giá cả: giá lọc số cao so với lọc tương tự Các loại lọc số: lọc số có nhiều loại khác nhau, xong kể đến hai loại phổ biến sau: - FIR (Finite Impulse Response): lọc có đáp ứng xung hữu hạn - IIR (Infinite Impulse Response): lọc có đáp ứng xung vơ hạn 3.2 Bộ lọc FIR 3.2.1 Khái niệm Một hệ thống FIR mơ tả biểu thức: (3-1) Hoặc mơ trả hàm truyền: (3-2) sau: Ngồi ra, đáp ứng mẫu đơn vị hệ thống FIR đồng với hệ số {bn}, trường hợp khác (3-3) Đề tài nghiên cứu khoa học 3.2.2 Các mơ hình hệ thống FIR 3.2.2.1 Mơ hình trực tiếp (Direct-Form Realization) Mơ hình trực tiếp mơ tả cơng thức: (3-4) Sơ đồ khối: Hình 3.1: Mơ hình dạng trực tiếp hệ thống FIR Cấu trúc cần có (M – 1) vị trí nhớ tương ứng với (M – 1) ngõ vào trước đó, cần có tổ hợp gồm M nhân M – cộng cho ngõ Ngõ bao gồm kết nối tuyến tính (M – 1) giá trị trước ngõ vào giá trị ngõ vào Mơ hình trực tiếp gọi lọc theo chiều ngang lọc có nhánh rẻ 3.2.2.2 Mơ hình dạng Cascade Mơ hình dạng cascade có hàm hệ thống sau: (3-5) Trong đó: (3-6) K phần ngun (M +1)/2 Độ lợi G = G1G2 GK Điểm zero H(z) nhóm thành cặp để tạo nên hệ thống FIR bậc hai có dạng (3-7) cặp nghiệp phức hợp để hệ số {bki } có giá trị thực x(n) = x1(n) H1(z) y1(n) = x2(n) H2(z) y2(n) = x3(n) yK- 1(n) = x2(n) HK(z) yK(n) = y(n) (a) (b) Hình 3.2: Mơ hình Cascade hệ thống FIR Đề tài nghiên cứu khoa học Hình 5.2: Nơron tuyến tính Mạng nơron tuyến tính lớp gồm S nơron nối với R ngõ vào thơng qua ma trận trọng số W có cấu trúc hình 5.3 Hình 5.3: Mạng nơron tuyến tính dạng rút gọn Trên mạng tuyến tính lớp Tuy nhiên, mạng hoạt động tương đương với mạng tuyến tính đa lớp.Ứng với mạng tuyến tính đa lớp có mạng tuyến tính lớp tương đương • Tạo nơron tuyến tính Xét mạng tuyến tính nơron với hai ngõ vào sau Hình 5.4: Mạng tuyến tính đơn giản 22 Đề tài nghiên cứu khoa học Ma trận trọng số W trường hợp có hàng, với ngõ mạng a a = purelin(n) = purelin(Wp + b) = Wp + b a = w1,1p1 + w1,2p2 + b Giống Perceptron, mạng tuyến tính có biên định xác định vector ngõ vào: Wp + b = Hình 5.5: Biên định mạng tuyến tính Các vector ngõ vào nằm vùng màu xám bên phải tương ứng với ngõ mạng lớn Các vector ngõ vào nằm vùng màu trắng bên trái phía ứng với ngõ nhỏ Vì vậy, mạng tuyến tính phân loại vật thể thành hai loại Tuy nhiên, giống mạng Perceptron, mạng tuyến tính phân loại vật thể khả tách tuyến tính 23 Đề tài nghiên cứu khoa học Chương MƠ PHỎNG 6.1 Đặt vấn đề - Dữ liệu: Sử dụng tín hiệu dạng sin Số chu kỳ: 400 1000 - Kênh truyền: Sử dụng nhiễu ngẫu nhiên 6.2 Lưu đồ giải thuật 6.2.1 Lưu đồ chương trình Start ƒ Dữ liệu: S(n) sóng sin ƒ Kênh truyền: nhiễu N(n) ngẫu nhiên ƒ Triệt nhiễu: dùng giải thuật LMS, RLS, NLMS mạng nơron ƒ Xác đònh lỗi: ƒ Xuất lỗi: Vẽ e(n) y (n) : Ngõ hệ thống y(n) : Đáp ứng dự đoán Thu liệu Kênh truyền Triệt nhiễu Xác định lỗi Xuất lỗi End Hình 6.1: Lưu đồ 24 Đề tài nghiên cứu khoa học 6.2.2 Lưu đồ chương trình 6.2.2.1 Giải thuật LMS 6.2.2.2 Giải thuật RLS Start Start Tạo hệ số lọc Tạo liệu Tạo ma trận P n=0 Tạo step-size Tạo hệ số lọc Tạo liệu n=n+1 n=1 Cập nhật liệu Cập nhật hệ số lọc Ước lượng ngõ Cập nhật liệu Xác định lỗi Ước lượng ngõ Cập nhật hệ số lọc Xác định lỗi Cập nhật độ lợi K n=n+1 Cập nhật ma trận P n > chiều dài tín hiệu N Y Xuất lỗi n = chiều dài tín hiệu N Y Xuất lỗi End End Hình 6.2: Lưu đồ giải thuật LMS Hình 6.3: Lưu đồ giải thuật RLS 25 Đề tài nghiên cứu khoa học 6.2.2.3 Giải thuật NLMS 6.2.2.4 Giải thuật dùng mạng nơron Start Start Tạo mạng Tạo step-size Tạo hệ số lọc Tạo liệu Khởi tạo trọng số bias n=1 Tạo ngưỡng lỗi cho phép Cập nhật hệ số lọc Cập nhật liệu Cập nhật hệ số bias Ước lượng ngõ Ước lượng ngõ Xác định lỗi Xác định lỗi N n=n+1 Lỗi nhỏ ngưỡng ? n > chiều dài tín hiệu N Y Xuất lỗi Y Xuất lỗi End End Hình 6.4: Lưu đồ giải thuật NLMS Hình 6.5: Lưu đồ giải thuật dùng mạng nơron 26 Đề tài nghiên cứu khoa học 6.3 Kết mơ Các giải thuật triệt nhiễu mơ với ngõ vào tín hiệu sin cộng thêm nhiễu ƒ Số chu kỳ tín hiệu ban đầu n = 400 0.8 0.6 B ie n d o 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 50 100 150 200 Chu ki 250 300 350 400 350 400 350 400 350 400 Hình 6.6 : Tín hiệu ban đầu với n= 400 1.5 B ie nd o 0.5 -0.5 -1 -1.5 50 100 150 200 Chu ki 250 300 Hình 6.7: Tín hiệu nhiễu với n= 400 1.5 B ie n d o 0.5 -0.5 -1 -1.5 -2 -2.5 50 100 150 200 Chu ki 250 300 Hình 6.8: Tín hiệu sau cộng nhiễu n= 400 6.3.1 Giải thuật LMS ƒ Số chu kỳ n = 400 1.5 B ie nd o 0.5 -0.5 -1 -1.5 50 100 150 200 Chu ki 250 300 Hình 6.9: Tín hiệu ngõ với n= 400 27 Đề tài nghiên cứu khoa học 0.8 0.6 0.4 B ie n d o 0.2 -0.2 -0.4 -0.6 -0.8 -1 50 100 150 200 Chu ki 250 300 350 400 Hình 6.10: Sai số tín hiệu ngõ tín hiệu mong muốn với n= 400 Giải thuật LMS cho kết khơng tốt với biên độ lỗi lớn Ngồi ra, đáp ứng thời gian giải thuật lâu Một ưu điểm giải thuật LMS cấu trúc giải thuật đơn giản 6.3.2 Giải thuật RLS ƒ Số chu kỳ n = 400 B ie n d o -1 -2 -3 -4 50 100 150 200 so chu k y 250 300 350 400 350 400 Hình 6.11: Tín hiệu ngõ với n= 400 B ie n d o -1 -2 -3 -4 -5 50 100 150 200 s o c hu k y 250 300 Hình 6.12: Sai số tín hiệu ngõ tín hiệu mong muốn với n= 400 Giải thuật RLS cho kết tốt với biên độ lỗi tương đối nhỏ Tốc độ hội tụ giải thuật nhanh Một ưu điểm khác giải thuật RLS cấu trúc giải thuật đơn giản 6.3.3 Giải thuật NLMS ƒ Số chu kỳ = 400 1.5 B ie n d o 0.5 -0.5 -1 -1.5 50 100 150 200 Chu ki 250 300 350 400 Hình 6.13: Tín hiệu ngõ với số n= 400 28 Đề tài nghiên cứu khoa học 0.8 0.6 0.4 B ie nd o 0.2 -0.2 -0.4 -0.6 -0.8 -1 50 100 150 200 Chu ki 250 300 350 400 Hình 6.14: Sai số tín hiệu ngõ tín hiệu mong muốn với n=400 Giải thuật NLMS cho kết tốt với biên độ lỗi nhỏ tốc độ hội tụ nhanh Nhìn chung, giải thuật RLS NLMS cho kết tốt gần Tuy nhiên, giải thuật NLMS có cấu trúc phức tạp 6.3.4 Giải thuật dùng mạng nơron ƒ Số chu kỳ n = 400 B ie nd o -1 -2 -3 -4 -5 -6 50 100 150 200 so chu ky 250 300 350 400 Hình 6.15: Sai số tín hiệu ngõ tín hiệu mong muốn với n= 400 Giải thuật dùng mạng nơron cho kết tốt ổn định Tốc độ hội tụ nhanh đặc biệt lỗi nhỏ so với giải thuật Do vậy, tín hiệu khơi phục giống với tín hiệu ban đầu Đây giải thuật tốt giải thuật khảo sát.Tuy nhiên, giải thuật phức tạp tính tốn lập trình 6.3.5 Tổng hợp giải thuật Từ kết so sánh (hình 6.16) nhận thấy giải thuật LMS cho kết xấu với sai số tương đối lớn Giải thuật RLS NLMS cho kết tốt tương đối giống Tuy nhiên, thứ tự khơng ổn định, thay đổi với ngõ vào nhiễu khác Giải thuật dùng mạng nơron cho kết tốt với sai số nhỏ nhất, sau 400 chu kỳ giải thuật dùng mạng nơron có giá trị lối gần khơng giải thuật khác sai số định Mặt khác, giải thuật NLMS giải thuật dùng mạng nơron có cấu trúc phức tạp 29 Đề tài nghiên cứu khoa học o Với n = 400 0.8 0.6 0.4 B ie nd o 0.2 -0.2 -0.4 -0.6 -0.8 -1 50 100 150 200 Chu ki 250 300 350 400 250 300 350 400 250 300 350 400 250 300 350 400 (a) B ie nd o -1 -2 -3 -4 -5 50 100 150 200 so chu ky (b) 0.8 0.6 0.4 B ie nd o 0.2 -0.2 -0.4 -0.6 -0.8 -1 50 100 150 200 Chu ki (c) B ie nd o -1 -2 -3 -4 -5 -6 50 100 150 200 so chu ky (d) Hình 6.16: Sai số tín hiệu ngõ tín hiệu mong muốn với n= 400 (a):LMS, (b): RLS, (c): NLMS, (d): Nơron 30 Đề tài nghiên cứu khoa học Chương KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 7.1 Kết luận ™ Ưu điểm: ƒ Xây dựng mơ giải thuật triệt nhiễu ƒ Phân tích, đánh giá ưu, khuyết điểm giải thuật ƒ So sánh hiệu giải thuật với ™ Nhược điểm: ƒ Chỉ xét đến tín hiệu ngõ vào dạng tương tự ƒ Chưa mơ hệ thống triệt nhiễu với nhiều loại nhiễu khác ƒ Tốc độ xử lí giải thuật phụ thuộc vào phần mềm phần cứng máy tính phụ thuộc vào cấu trúc máy tính sử dụng 7.2 Hướng phát triển ƒ Mơ hồn chỉnh hệ thống triệt nhiễu với đầu vào tín hiệu tương tự số ƒ Mơ hệ thống với nhiều loại nhiễu khác với biên độ nhiễu lớn ƒ Xây dựng phần cứng hệ thống triệt nhiễu ƒ Xây dựng hệ thống triệt nhiễu có tính đến thời gian thực 31 Đề tài nghiên cứu khoa học Mã nguồn giải thuật Giải thuật LMS clear all N=1000; a = 0:N*pi; x = sin(a); % du lieu ngo vao n = 0.4*randn(1,length(x)); % tin hieu nhieu d = n+x; % tin hieu cong nhieu mu = 0.008; % LMS step size = adaptfilt.lms(32,mu); [y,e] = filter(ha,d,x); subplot(5,1,1); plot(1:N,x(1:N)); %ve tin hieu ngo vao xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu ngo vao'); grid on subplot(5,1,2); plot(1:N,n(1:N)); %ve tin hieu nhieu xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu nhieu'); grid on subplot(5,1,3); plot(1:N,d(1:N)); %ve tin hieu cong nhieu xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu cong nhieu'); grid on subplot(5,1,4); plot(1:N,y(1:N)); %ve tin hieu ngo xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu ngõ ra'); grid on subplot(5,1,5); plot(1:N,y(1:N)); %ve tin hieu loi xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu loi'); grid on 2.Giải thuật RLS clear all N=400; a = 0:N*pi; d = sin(a) ; n = randn(1,length(d)); s=[1 -0.6 -0.3]; c=filter(s,1,n); m=d+c; M = 32; lam = 1; delta = 0.07; w0 = zeros(M,1); P0 = (1/delta)*eye(M,M); Zi = zeros(M-1,1); Hadapt = adaptfilt.rls(M,lam,P0,w0,Zi); Hadapt.ResetBeforeFiltering = 'off'; [y,e] = filter(Hadapt,m,d); subplot(5,1,1); plot(1:N,x(1:N)); %ve tin hieu ngo vao xlabel('Chu ki'); ylabel('Bien do'); Đề tài nghiên cứu khoa học title('tin hieu ngo vao'); grid on subplot(5,1,2); plot(1:N,n(1:N)); %%ve tin hieu nhieu xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu nhieu'); grid on subplot(5,1,3); plot(1:N,d(1:N)); %%ve tin hieu cong nhieu xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu cong nhieu'); grid on subplot(5,1,4); plot(1:N,y(1:N)); %%ve tin hieu ngo xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu ngõ ra'); grid on subplot(5,1,5); plot(1:N,y(1:N)); %%ve tin hieu loi xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu loi'); grid on Giải thuật NLMS clear all N=1000; a = 0:N*pi; d = sin(a) ; n = 0.3*randn(1,length(d)); a=[1 -0.6 -0.3]; c=filter(a,1,n); m=d+c; mu = 0.5; offset = 50; = adaptfilt.nlms(32,mu,1,offset); [y,e] = filter(ha,m,d); subplot(5,1,1); plot(1:N,x(1:N)); %ve tin hieu ngo vao xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu ngo vao'); grid on subplot(5,1,2); plot(1:N,n(1:N)); %%ve tin hieu nhieu xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu nhieu'); grid on subplot(5,1,3); plot(1:N,d(1:N)); %%ve tin hieu cong nhieu xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu cong nhieu'); grid on subplot(5,1,4); plot(1:N,y(1:N)); %%ve tin hieu ngo xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu ngõ ra'); grid on subplot(5,1,5); plot(1:N,y(1:N)); %%ve tin hieu loi xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu loi'); grid on Đề tài nghiên cứu khoa học Giải thuật dùng mạng nơron clear N=1000; t=0:(N);%*ts; v=sin(t*pi); n=randn(1,length(t)); a=[1 -0.6 -0.3]; c=filter(a,1,n); m=v+c; net=newlin([min(m), max(m)],1); net.inputWeights{1,1}.delays=[0 3]; net.IW{1,1}=[1 1 1]; net.b{1}=[0]; pi={1 1}; n=num2cell(n); m=num2cell(m); net.adaptParam.passes=1; [net,y,E,pf,af]=adapt(net,n,m,pi); temp=zeros(length(t),1); for i=1: length(t) temp(i,1)=y{1,i}(1,1); end temp=temp'; m=cat(2,m{:}); g=m-temp; error=(v-g); subplot(5,1,1); plot(1:N,v(1:N)); %ve tin hieu ngo vao xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu ngo vao'); grid on subplot(5,1,2); plot(1:N,n(1:N)); %%ve tin hieu nhieu xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu nhieu'); grid on subplot(5,1,3); plot(1:N,m(1:N)); %%ve tin hieu cong nhieu xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu cong nhieu'); grid on subplot(5,1,4); plot(1:N,temp(1:N)); %%ve tin hieu ngo xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu ngõ ra'); grid on subplot(5,1,5); plot(1:N,error(1:N)); %%ve tin hieu loi xlabel('Chu ki'); ylabel('Bien do'); title('tin hieu loi'); grid on Đề tài nghiên cứu khoa học TÀI LIỆU THAM KHẢO [1] Lawrence R Rabiner – Ronald W Schafer, ‘Digital Processing of Speech Signal’, Prentice-Hall, Inc., Englewood, 1987 [2] Ravi P Ramachandran – Richard J Mammone, ‘Modern Methods of Speech Processing’, Kluwer Academic Publishers, 1995 [3] Simon Haykin, ‘ Neural Networks, a comprehensive foundation’, PrenticeHall, 1991 [4] Phil Picton, ‘Introduction To Neural Networks’, The Macmillan Press LTD., 1994 [5] http://www ee.columbia.edu [6] http://cvsp.cs.ntua.gr [7] http://www.phon.ucl.ac.uk/courses/spsci/matlab/ [8] http://www.ccs.neu.edu/home/fell/ S K L 0 [...]... ngõ vào tín hiệu tham chiếu 5.1.2 Lọc thích nghi và triệt nhiễu thích nghi Hệ thống triệt nhiễu thích nghi sử dụng bộ lọc số với đáp ứng xung hữu hạn (FIR) như hình 5.1 Ngõ vào hệ thống gồm tín hiệu s ( n ) và nhiễu n2 ( n ) Hệ thống tạo ra một tín hiệu nhiễu tham chiếu n1 ( n ) Hai nhiễu n1 ( n ) và n2 ( n ) tương quan với nhau và hi ( n ) là đáp ứng xung của đường truyền nhiễu Mục tiêu của hệ thống. .. phỏng hệ thống triệt nhiễu với nhiều loại nhiễu khác nhau ƒ Tốc độ xử lí của các giải thuật phụ thuộc vào phần mềm và phần cứng máy tính do đó phụ thuộc vào cấu trúc máy tính sử dụng 7.2 Hướng phát triển ƒ Mơ phỏng hồn chỉnh hệ thống triệt nhiễu với đầu vào là tín hiệu tương tự và số ƒ Mơ phỏng hệ thống với nhiều loại nhiễu khác nhau với biên độ nhiễu lớn ƒ Xây dựng phần cứng hệ thống triệt nhiễu ƒ... của hệ thống FIR được mơ tả bởi tập hợp cơng thức sau: (3-30) (3-31) (3-32) 3.3.2.5 Cấu trúc lưới và lưới-bậc thang của hệ thống IIR Một hệ thống tồn cực với hàm hệ thống: (3-33) Hình 3.15: Mơ hình dạng trực tiếp của hệ thống tồn cực Hình 3.16: Cấu trúc lưới của hệ thống IIR tồn cực 14 Đề tài nghi n cứu khoa học Hình 3.17: Hệ thống lưới đơn cực và lưỡng cực 3.4 Ưu điểm và nhược điểm của bộ lọc FIR và. .. hàm truyền H(z) ta có các cực và các zero của hệ thống Các cực và zero phụ thuộc vào sự lựa chọn thơng số hệ thống {bk } và {ak } và chúng xác định đặc điểm đáp ứng tần số của hệ thống 3.3.2 Các mơ hình của hệ thống IIR 3.3.2.1 Mơ hình dạng trực tiếp Một hệ thống bộ lọc IIR có thể được ghép cascade từ hai hệ thống: (3-20) Trong đó: H1(z) bao gồm những điểm zero của H(z) và H2(z) bao gồm những điểm cực... các bộ lọc IIR, nó ln có thể thực hiện một bộ lọc FIR sử dụng hệ số với một lượng ít hơn 1.0 ( độ lợi tồn hệ thống của bộ lọc FIR có thể điều chỉnh tại ngõ ra của nó, nếu muốn) Đây là vấn đề quan trọng khi sử dụng điểm cố định của DSP, bởi vì nó thực hiện đơn giản hơn 3.4.2 Nhược điểm của bộ lọc FIR so với bộ lọc IIR Bộ lọc FIR đòi hỏi nhiều bộ nhớ hơn và sự tính tốn để đạt được đặc tính đáp ứng bộ lọc. .. hưởng của nhiễu ở ngõ vào Điều này đồng nghĩa với việc cực tiểu hố sai số trung bình bình phương E ⎡⎣e2 ( n ) ⎤⎦ s(n)+n2(n) e(n) hi(n) wi(n) n3(n) n1(n) Hình 5.1: Triệt nhiễu thích nghi Ta có: e ( n ) = s ( n ) + n2 ( n ) − n3 ( n ) (5-1) với n3 ( n ) là ngõ ra của bộ lọc thích nghi N n3 ( n ) = ∑ w i ( n ) n1 ( n ) (5-2) i =0 với N là bậc bộ lọc và w i ( n ) là hệ số thứ i của bộ lọc thích nghi Giả... Điểm mạnh của phương pháp này là việc phân tích các hệ thống tuyến tính rất đơn giản trong q trình thích nghi và đảm bảo ổn định cho hệ thống Các giải thuật thích nghi cho các hệ thống này là LMS (Least Mean Squares) và RLS (Recursive Least Squares) Đối với phương pháp triệt nhiễu cổ điển, ngồi ngõ vào chính, hệ thống đòi hỏi phải có thêm một ngõ vào tham chiếu Giải thuật NLMS (Normalised Least Mean... đã được phát hiện và nghi n cứu Mặc dù nhiễu là tín hiệu có băng thộng rộng nhưng hầu hết năng lượng nhiễu tập trung ở một số tần số chính Điều này dẫn đến việc ứng dụng các bộ lọc chặn băng hẹp có khả năng thích nghi theo những biến đổi của đặc tính nhiễu Các hệ thống triệt nhiễu cổ điển dựa trên việc ứng dụng lọc tuyến tính thích nghi và ứng dụng của các bộ lọc số với đáp ứng xung hữu hạn (FIR) Điểm... ra trong hình 3.4 Hình 3.4: Mơ hình dạng trực tiếp của bộ lọc ước lượng FIR Với m = 1 thì ngõ ra của bộ lọc là: (3-13) Ngõ ra này có thể đạt được từ một bộ lọc lưới đơn tầng hoặc bộ lọc bậc một, được minh hoạ bởi hình 3.5 Nếu chọn K1 = α1(1) thì K1 được gọi là hệ số phản hồi 7 Đề tài nghi n cứu khoa học Hình 3.5: Bộ lọc lưới đơn tầng Xem một bộ lọc FIR với m = 2, trong trường hợp này ngõ ra từ một cấu... H(z) (3-21) (3-22) Mơ hình dạng trực tiếp của hệ thống IIR (hình 3.7) đòi hỏi (M + N + 1) bộ nhân, (M + N) bộ cộng và (M+N-1) vị trí nhớ Nếu bộ lọc tồn cực H2(z) được đặt trước bộ lọc tồn zero H1(z), một cấu trúc mới hình thành, cơng thức cho bộ lọc tồn cực là: (3-23) w(n) là ngõ vào của hệ thống tồn zero, ngõ ra của nó là: (3-24) Cả hai cơng thức (3-23) và (3-24) bao gồm những kiểu trì hỗn của chuỗi