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

دانشگاه آزاد اسلامی

واحد تهران جنوب

دانشکده تحصیلات تکمیلی

پایان نامه برای دریافت درجه کارشناسی ارشد

مهندسی برق – الکترونیک

عنوان:

جداسازی کور منابع صوتی

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

تکه هایی از متن به عنوان نمونه :
(ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)
چکیده
جداسازی کور منابع یکی از موضوعات مورد مطالعه در زمینه پردازش سیگنال می باشد که به علت کاربردهای فراوان، در نظر داشتن آن خصوصا در دو دهه اخیر افزایش یافته می باشد. هدف از انجام این اقدام، جداسازی منابع از مخلوط آنها می باشد. به این مکانیزم کور گفته می گردد، زیرا جداسازی سیگنال ها در حالی انجام می شود که اطلاعات اولیه ای راجع به منابع و چگونگی ترکیب آنها توسط سنسورهای گیرنده وجود ندارد و تنها اطلاعات موجود، سیگنال مخلوط منابع می باشد. روش های متعددی برای جداسازی کور منابع ارائه شده می باشد. که یکی ار مهمترین آنها جداسازی سیگنال ها در صفحه زمان – فرکانس می باشد. یکی از الگوریتم هایی که اخیرا برای جداسازی منابع با ترکیب لحظه ای خطی ارائه شده می باشد، روشی می باشد که در آن جداسازی با بهره گیری از نسبت زمان – فرکانس مخلوط سیگنال ها انجام می گردد که به گونه اختصاری TIFROM نامیده می گردد.
در این رساله برای توسعه شیوه پیشنهاد شده در الگوریتم TIFROM روشی برای تفکیک منابع با ترکیب بدون اکو با نام A-TIFROM ارائه می گردد. در الگوریتم پیشنهادی آغاز با بهره گیری از تبدیل زمان – فرکانس، سیگنال سنسورهای دریافتی از محور زمان به صفحه زمان – فرکانس تصویر می شوند و سپس با محاسبه نسبت سیگنال ها در حوزه زمان – فرکانس، ضرایب حذف منابع تخمین زده شده و با بهره گیری از این ضرایب، ماتریس حذف منابع در حوزه زمان – فرکانس محاسبه می گردد. با اعمال ماتریس حذف، منبع مورد نظر از سیگنال های ترکیب حذف می گردد. سپس با بهره گیری از عکس تبدیل زمان – فرکانس سیگنال های جدا شده به محور زمان باز می گردند.
یکی از مزیت های عمده این روش این می باشد که الگوریتم قادر می باشد سیگنال هایی را که در حوزه زمان – فرکانس هم پوشانی دارند را نیز با کیفیت مناسب تفکیک نماید. زیرا یافتن یک ناحیه باریک از صفحه زمان – فرکانس که فقط متعلق به یک منبع باشد برای تعیین ضرایب حذف، کافی می باشد. در حالی که شاید آن منبع در سایر نواحی زمان – فرکانس با سایر منابع هم پوشانی داشته باشد. پس با ارائه الگوریتم پیشنهادی A-TIFROM برای حالت ترکیب بدون اکو می توان مخلوط سیگنال های صحبت و یا موسیقی را هم از یکدیگر تفکیک نمود. در الگوریتم TIFROM جداسازی برای ترکیب لحظه ای خطی از منابع ارائه شده می باشد در حالی که الگوریتم پیشنهادی برای جداسازی منابع با ترکیب بدون اکو ارائه گردیده می باشد. پس در بخش شبیه سازی برای مقایسه نتایج، الگوریتم A-TIFROM با الگوریتم ICA که از نظر نوع ترکیب منابع، تعداد سنسورها و تعداد منابع در شرایط یکسان می باشند، مقایسه می گردد. نتایج شبیه سازی نشان می دهد الگوریتم پیشنهادی به گونه متوسط با SIR بالای 33dB و SDRبالای 20dB و زمان اجرای کمتر از 4 ثانیه برای جداسازی ترکیبات دوتایی از سیگنال های صحبت و موسیقی مناسب می باشد.
مقدمه
جداسازی کور منابع یکی از موضوعات مورد مطالعه در زمینه پردازش سیگنال می باشد که در نظر داشتن آن در دو دهه اخیر افزایش یافته می باشد. جداسازی سیگنال ها در کاربردهای متنوعی از پردازش سیگنال مانند پردازش سیگنال های صحبت تا تحلیل تصویرهای پزشکی به کار می رود.
هدف از جداسازی منابع، تخمین سیگنال N منبع ناشناخته مختلف با بهره گیری از مخلوط سیگنال های دریافتی توسط P سنسور می باشد. به دلیل اینکه اطلاعات اولیه ای راجع به منابع و چگونگی ترکیب آنها وجود ندارد. مسئله جداسازی، جداسازی کور نامیده می گردد.
به گونه کلی در مسئله جداسازی کور منابع، P مخلوط خطی از N منبع داریم که تابع تبدیل بین منابع و سنسورها، ماتریس مجهول A به ابعاد N*P می باشد و در ارتباط x=As بردار s شامل منابع، s=[s1,s2,…SN]T و x=[x1,x2,…xP]T هم مخلوط سیگنال های دریافتی توسط P سنسور می باشد. بلوک دیاگرام کلی مسئله BSS در شکل 1-1 نشان داده شده می باشد.
شرایط محیطی و نوع مخلوط روی پیچیدگی مسئله BSS تاثیر می گذارند. در یک محیط طبیعی سیگنال های با انعکاس توسط سنسورها دریافت می شوند و پس تخمین ماتریس A به شناسایی جهت منبع در زمان های مختلف نیاز دارد. عموما برای ساده تر شدن مسئله، فرضیاتی برای محیط در نظر گرفته می گردد که عبارتند از:
الف) مخلوط لحظه ای: فرض ابتدایی که برای محیط در نظر گرفته می گردد این می باشد که سیگنال ها به صورت همزمان اما با تضعیف های متفاوت به سنسورها برسند. در این محیط ارتباط خطی ثابتی بین منابع و سنسورها مستقر می باشد. (ماتریس A یک ماتریس اسکالر به ابعاد N*P با مقادیر ثابت می باشد) x(t)=As(t
ب) مخلوط بدون اکو: در این محیط فرض می گردد، سیگنال هر منبع با یک تضعیف و تاخیر منحصر به فرد به هر سنسور برسد. در این حالت بین منابع و سنسورها ارتباط کانولوشنی مستقر می باشد. x(t)=A*s(t
ج) مخلوط اکودار: این محیط کامل ترین حالت می باشد که در آن بین هر منبع و هر سنسور چند مسیر در نظر گرفته می گردد. ارتباط بین منابع و سنسور یک ارتباط کانولوشنی می باشد که ماتریس A نسبت به حالت قبل پیچیدگی بیشتری دارد. x(t)=A(z)*s(t
همچنین در مورد منابعی که در مسئله جداسازی کور سیگنال وجود دارند می توان فرضیاتی در نظر گرفت. این فرضیات اساس کار بیشتر الگوریتم های جداسازی منابع را تشکیل می دهند که شامل مشخصات آماری نظیر استقلال، غیرگوسی بودن و… می باشد.
یکی از فرضیات قدرتمند معروف این می باشد که منابع در یک حوزه تبدیل (مانند تبدیل فوریه، تبدیل زمان – فرکانس و…) روی هم افتادگی نداشته باشند. روش هایی که از این فرض بهره گیری می نمایند. به عنوان روش های اسپارس شناخته می شوند. مزیت این فرض این می باشد که احتمال اینکه دو یا تعداد بیشتری از منابع همزمان در یک نقطه از فضای اسپارس فعال باشند بسیار کم می باشد.
پس در یک فضای اسپارس می توان با تخمین ضریب مربوط به هر منبع به تنهایی، سهم منبع مورد نظر را از ترکیبات حذف نمود. این فرض در شرایطی که تعداد منابع بیشتر از سنسورها می باشد (حالت نامعین) کاربرد دارد. برای نمایش اسپارس یک سیگنال آکوستیک اغلب از تبدیل فوریه، تبدیل گابر و تبدیل موجک بهره گیری می گردد.
تعداد صفحه : 128
قیمت : 14700 تومان

 

این مطلب رو هم توصیه می کنم بخونین:   متن کامل سمینارمقطع کارشناسی ارشد رشته مهندسی برق گرایش مخابرات: کدهای کنترل خطا در سیستم های مخابراتی

***

—-

دسته‌ها: مهندسی برق

دیدگاهتان را بنویسید