این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۴، شماره ۱، صفحات ۷۰-۵۷
عنوان فارسی حذف نویز به صورت فعال در سیگنال های باند باریک و طیف گسترده به کمک تکنیک یادگیری کیو
چکیده فارسی مقاله چکیده: آلودگی صوتی یکی از معضلات جدی جوامع صنعتی است. هر چند روش‌های سنتی متکی بر جذب صوت کاربردهای فراوانی دارند، اما این روش‌ها در فرکانس‌های پایین کارایی لازم را ندارند. برای غلبه بر این مشکل روش‌های فعال برای حذف نویز ارائه شده‌اند. در این تحقیق، ایده جدیدی مبتنی بر یادگیری تقویتی برای کاهش نویز صوتی به صورت فعال پیشنهاد گردیده است. بدین منظور، برای حذف نویز به صورت فعال برای یک سیگنال تناوبی، یک روش پایه ارائه و سپس به گونه‌ای تکمیل گردید که برای سیگنال‌های چند آوایی باند باریک با تعداد هارمونیک بالا نیز عملکرد مناسبی داشته باشد. در گام بعدی سیگنال‌های طیف گسترده مد نظر قرار گرفته و با شکستن آن در حوزه فرکانس و کمک از یادگیری تقویتی مسأله حل گردید. نکته مشترک و مثبت در کلیه روش‌ها، بی‌نیازی به مدل محیط برای پیاده سازی آن است. ترکیب روش یادگیری تقویتی و روش‌های سنتی در حذف نویز سیگنال‌های طیف گسترده نیز از حوزه‌های جدید مورد مطالعه در این مقاله است. در این حالت، سرعت پاسخ نسبت به حالت قبل ذکر شده در مقاله افزایش می‌یابد اما در عوض اطلاعاتی از دینامیک محیط مورد نیاز است. این رویه باعث می‌گردد که بر خلاف روش‌های قدیمی، سیستم خود را با تغییرات آهسته دینامیک سازگار نماید. صحت عملکرد هر روش با شبیه‌سازی تایید گردیده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Active Noise Control for Narrow-band and Broad-band Signals Using Q-Learning Technique
چکیده انگلیسی مقاله The acoustic noise pollution is one of the serious disasters in the current industrialized life. Though traditional solutions based on noise absorption have many different applications, but these methods have low performance for low frequency noises. Active Noise Control (ANC) has been introduced to resolve this problem. In this paper, a new active method is introduced for suppressing acoustic noises based on the reinforcement learning. To achieve this, an algorithm to control periodic noises is suggested. Then, the method is developed further to deal with multi-tonal signals with a large number of harmonics. At the next step, the broad-band signals are considered. The problem is broken into some sub-problems in frequency domain and each is solved via a reinforcement learning approach. In all of the proposed techniques no model for the environment is needed. Combining the reinforcement learning and the traditional methods in ANC for broad-band signals is a new line research considered here. This combination could increase the speed of the response, but some information of the dynamics of the environment is needed. This will cause the system to become compatible with gradual changes of the environment. Simulation results show the effectiveness of the proposed approach.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی اکبر صفوی | ali akbar
دانشگاه شیراز
سازمان اصلی تایید شده: دانشگاه شیراز (Shiraz university)

شاپور گلبهار حقیقی | golbahar haghighi
دانشگاه شیراز
سازمان اصلی تایید شده: دانشگاه شیراز (Shiraz university)

بهروز رییسی |
دانشگاه شیراز
سازمان اصلی تایید شده: دانشگاه شیراز (Shiraz university)

نشانی اینترنتی http://isee.ui.ac.ir/article_15357_9ac0c1b201f970fd9ee2b3720c65256a.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-343805.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات