حذف نویز فعال با استفاده از یادگیری عمیق

سیده ملیحه حسنی حسن کلا¹

1) استادیار گروه مهندسی برق و کامپیوتر، واحد بابل،دانشگاه آزاد اسلامی،بابل،ایران

کد IOI مقاله : ABGZ-ACABAC
محل انتشار : سومین کنفرانس بین المللی رویکردهای نوین در مهندسی و علوم پایه(icnabs.ir)
چکیده :
    حذف نویز فعال (ANC) یکی از موثرترین روش‌های کاهش نویز است. هدفون‌های کاهش نویز فعال، موفق‌ترین کاربرد کنترل نویز فعال هستند. روش‌های سنتی کنترل نویز فعال مبتنی بر پردازش سیگنال تطبیقی با الگوریتم حداقل میانگین مربعات به عنوان پایه هستند. آن‌ها سیستم‌های خطی هستند و در حضور اعوجاج‌های غیرخطی عملکرد رضایت‌بخشی ندارند. در این پروژه، ANC به عنوان یک مسئله یادگیری نظارت‌شده فرموله شده و یک رویکرد یادگیری عمیق به نام ANC عمیق پیشنهاد شده است. در این پروژه، تکنیک‌های حذف نویز فعال ترکیبی که ترکیبی از تکنیک‌های پیش‌خور و بازخورد است، آموزش داده می‌شود. در مقیاس بزرگ، چند شرطی‌سازی برای دستیابی به تعمیم‌پذیری خوب و مقاومت در برابر انواع نویزها آموزش داده می‌شود. هدف سیستم‌های ANC تولید یک آنتی‌نویز با دامنه یکسان و فاز مخالف نویز اولیه (ناخواسته) برای حذف نویز اولیه است. یک شبکه بازگشتی کانولوشنی (CRN) آموزش داده می‌شود تا طیف‌نگارهای واقعی و موهومی سیگنال حذف‌کننده را از سیگنال مرجع تخمین بزند تا آنتی‌نویز مربوطه بتواند نویز اولیه را در سیستم ANC حذف یا تضعیف کند.

کلمات کلیدی : حذف نویز فعال عمیق شبکه بازگشتی کانوولشنی librosa کاهش نویز