مقاله مدل کردن مجرا ۱ با شبکه عصبیRBF تعمیم یافته در حذف فعال نویز باند باریک فرکانس متغیر

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله مدل کردن مجرا ۱ با شبکه عصبیRBF تعمیم یافته در حذف فعال نویز باند باریک فرکانس متغیر دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مدل کردن مجرا ۱ با شبکه عصبیRBF تعمیم یافته در حذف فعال نویز باند باریک فرکانس متغیر  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مدل کردن مجرا ۱ با شبکه عصبیRBF تعمیم یافته در حذف فعال نویز باند باریک فرکانس متغیر،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مدل کردن مجرا ۱ با شبکه عصبیRBF تعمیم یافته در حذف فعال نویز باند باریک فرکانس متغیر :

تعداد صفحات:۱۰

چکیده:

حذف نویز آکوستیکی ANC، در یک مجرا دارای ماهیت غیرخطی است . بنابراین فیلترهای وفقی خطی همچون LMS قادر به حذف فعال نویزهای آکوستیکی نیستند . به دلیل ردیابی خوب فیلترLMS در یک محیط نویزی، الگوریتم خطی FX-LMS بعنوان یک روش پایه در ANC ارائه شده است که به نحوی ماهیت غیرخطی مجرا را مدل می کند . در این مقاله نشان داده م یشود که با مدل کردن مجرا بوسیل هی شبکه ی عصبی RBF تعمیم یافته ۵ که توانایی مدل کردن رفتار غیرخطی را دارد می توان با یک فیلتر وفقی LMS خطی، نویز باند باریک فرکانس متغیر یک مجرا را بهتر از الگوریت م FX-LMS حذف کرد. در این روش ابتدا مجرا با یک شبکه ی عصبی RBF تعمیم یافته، شناسایی م ی شود . سپس با اعمالN تاخیرزمانی از سیگنال ورودی بهNشبکه ی عصبیRBF تعمیم یافته و بوسیله ی یک ترکیب کننده ی خطی در خروجی آنها، شناساییسیستم غ یرخطی بصورت برخط امکان پذیر می شود. وزن های ترکیب کننده ی خطی با الگوریتم NLMS بهنگام می شوند روش ارائه شده در مقا یسه با الگوریتمFX-LMSبیش از ۳ بار سریعتر و ۳۰ درصد خطای کمتری دارد . همچنین تغییر فرکانس ورودی سبب واگرایی الگوریتم معمولFX-LMS می شود، حال آنکه روش پیشنهادی همگرا م یشود