TIỂU LUẬN MÔN : XỬ LÝ TÍN HIỆU NÂNG CAO Mô phỏng ứng dụng mạch lọc thích nghi

TIỂU LUẬN MÔN : XỬ LÝ TÍN HIỆU NÂNG CAO Mô phỏng ứng dụng mạch lọc thích nghi Thuật ngữ lọc dùng để chỉ tất cả các hệ thống có khả năng khôi phục lại dạng của các thành phần tần số của tín hiệu lối vào để tạo ra tín hiệu lối ra thỏa mãn các yêu cầu mong muốn. Do đó, nếu có sự thay đổi đột ngột của một hoặc một vài yếu tố đầu vào (như tín hiệu nhiễu chẳng hạn) thì bộ lọc sẽ không còn được tối ưu nữa. Hay nói cách khác, ta không thu được tín hiệu mong muốn.

1 HC VI  KHOA QUỐC TẾ VÀ ĐÀO TẠO SAU ĐẠI HỌC  TIỂU LUẬN Môn: XỬ LÝ TÍN HIỆU NÂNG CAO ĐỀ TÀI: BỘ LỌC THÍCH NGHI Giáo viên hướng dẫn: TS. Nguyễn Ngọc Minh Nhóm Học viên thực hiện: Lý Hoàng Sáng Nguyễn Xuân Khánh Nguyễn Ngọc Bá Đào Văn Thái Lớp cao học: M12CQDT02-B  Hà Nội, tháng 01 năm 2012 2 Contents T V 3 1. B l 4 1.1. H thng FIR truyn thng 4 1.2. B lu trc tip 5 2. Ph 6 2.1. Ph 6 2.2. Lc ng bii wavelet. 9 2.2.1. Phi gian 10 2.2.2. Ph 12 ng ng dng mch l 16 3 ĐẶT VẤN ĐỀ Thut ng l ch tt c  th c li dng ca n tn s cu l tu li ra thu mong mu t ngt ca mt hoc mu t  (nhu nhiu chng h lc s c t u mong mun.  khc pht b li,  s ca b l   ng vi s i bt ng cu t lch l s c g mch l Lc s d nh mng mong mu s ca mch lc phc chn la sau mong mup nht vi u l c thc hin nu sai s e[n] hi t v  i t     hoi v  th c s d u sai s e[n]. Nu mong muu dc cc tiu   n mt mch lc rt ni tich lc c g Hu hi mch lc Wiener. Trong  t tng trng s cu sai s c cc tin mt mch lc ti v liu  y, mch lc thit k hoc bc thc b    t k  nh, cn ph   t s  ng  d lich lc cn x  thit k c mch lc Wiener cn phi bit th sng h u d i gian b Mc ti  c thc hin  c nhn thit cho vic thit k mch lc Wiener hoch 4 lc tu ng dng thc t u lc s d li ra ca mch lu ca mch lc theo mt s  dng kt qu c  u ch s ca mch theo kiu lp. S d  i gi  hiu cht thng i vi th nghim lp, c s ca mch l th t u ch t thi. Trong phm vi tiu lu u mt s v n  l 1. Bộ lọc thích nghi 1.1. Hệ thống FIR truyền thống B l lng xung chiu hn, tng xung ch  t khou hn N (t n N-1). B lc FIR vi bc ca b lc biu din nh: a b lc FIR truyn thng     u l  a mch    u li ra ca mch ng xung ca mch L vi nhau bc: N1 y[n] =  h[k]x[n  k] k=0   y[k] t u lu l tr, 5 b  cng. Vi b lph- m ca li ra. y, b l ng chm, u lt khong th ng mc xut ra. 1.2. Bộ lọc FIR thích nghi kiểu trực tiếp Cc s dng trong mch l  Ca mch l  a mch lc. x[n] = [x n x n-1 x n-2  x n-N+1 ] T ng s ca b l w = [w 0 w 1  N-1 ] T i ra ca mch lc 0 [ ] w[ ] [ ]w [ ] T k y n k x n k x n    6 i ra mong mun  giu mong muu ra y[n] e[n] = d[n] - y[n] T chui thiu chung thit lc tuy cho h s b lc.  nhc t d li nhng ng c c. H s wng ca h s th ng ph thu a bn ghi d liu,  cc trong h thng x a b lc. V th 2 c n x[n] , trong b hiu chnh  n s  bii theo th 1 h qu  ng ci theo thi  s ca b li theo th ph i theo thi gian cu   l ng c  mu c s d u  h s ca b l bii theo thi gian  th thi gian c bin nh lc d tip m quy mi khi nhc mt m     c c ca h s b lc t mt khi d liu ti mt khc khi phi nh, chim mt khong thi gian ngi khong th a d lii m. 2. Phương pháp và giải thuật tính toán bộ lọc thích nghi 2.1. Phương pháp LMS B lu nhi nhiu gii thu u qu cho b l i thut LMS (Least Mean Square.). Gii thu s t lc. Phn  gii thiu mt s gii thut thc hiu t ng dng ca lt s ng h  gii quyt  thi. 7 n MMSE (Minimum mean square error) Gii thu  s ca mch lc FIR t vic ti s u   phc) v  xx (m) = E[x(n)x * (n-m)] u x(n) qua h thng cnh, tng th lc FIR v s -1. Tu ra ca mch l      .x(n-k) Sai s  e(n) = y(n)  -     .x(n-k)  s: J(hM) = E[e(n) 2 ] =E{y(n) -     .x(n-k) 2 } = E{{y(n){2-2Re[     -1) +          - 1)x(n-k)]}}} =  2 y  2Re[     (l)] yx (l) +        (l)h(k)  yx (l-k) Vi  2 y = E[y(n)] 2 ,  yx (l) = E[y(n).x*(n-a h s. Ta thy rng sai s i vi  s ca mch lc. Do vc tiu ca MSE hay J(hM) ta ln t lng h s  c t      yx (1-k) =  yx (l) B lc v s c t t lc Wiener,  yx (1-  yx (l) l t theo dng ma trn sau:  M h M =  y 8 Vi  M n (MxM) vn t  lk =  xx (l- y  n t  yz -1. Gii tp h  s ca b lc t h opt =  M-1 ,  y t qu MSE cc tiu v s cho bi h opt =  M-1 ,  y  J min = J(h opt ) =  2 [y        ] Jmin =  2 [y - *y.  M-1 .  y ] Gii thut i h  phn   h s ta mch lt h th  c tiu cu bi mi v s ca mch hy h t cc tiu duy nhp. Ma trn t  M  y c . ng : H M (n+1) = h M (n) +     Vi h M  s mch lc ti ln lp th  c nhy ln th ng cho ln lp th u h M c chn bt ku d n nh c tiu ca J(h M p d ving dc nht ( Steepest - ng dc nh S(n) = -g(n). vi ln lp th  g(n) = dJ(h M (n))/d h M (n)  M . h M (n) -  i mi ln l ca h M (n) theo c vi thut lp dng dc nh M(n+1) = h M (n) -   i n = 0,1 9 Hay h M (n+1) = [I- M ]h M  c rng h M (n) s hi t n h opt u ki  Hai gii thuc ng c  hi t gii thu hi thut Fletcher-powell.  biu di g(n) = E[e(n).X*M(n)] = y(n)   M .h M (n) V      n t x(n-   -  y, vector n  g(n) = -2e(n).X*M(n) Vi e(n) = y(n)  p hp M mu ti ln lp th  i thut: h M (n+1) = h M (n) + (n)e(n).X*M(n) Gii thuc gi thut Stochastic-gradient- mt bi  c nhy (n) c  (n) c nh d thc hin cho c phn cng ln phn mm. (n) c p vi vic thi theo th i s thay  x nhi thu h M (n+1) = h M (n) + e(n).X*M(n) Vi    c nhy c nh. Gii thut LMS thc hic s dng rng ng dnh mch li hn c c nhiu. 2.2. Lọc thích nghi bằng biến đổi wavelet. Bii wavelet ri rc b l 10 c hi s hai. Gi l s p li l chia ti s  a b l i tho t s u ki u kin trc giao s  s trc giao. Nhc biu ding u s d i gian th hin nhc trc ti s lc, thc hin gii thut ti d o tham s  s c t tho c hin gii thut t c. 2.2.1. Phương pháp vùng thời gian   x = [x 0 , ,x 7 ] T  c 0 ,. c 3  0 , d 3   { 0,  1,  2,  3,  0 , 1 , 2 , 3 } T =C 1 .x  : 3 2 1 0 3 2 1 0 3 2 1 0 1 0 3 2 1 3 2 1 0 3 2 1 0 3 2 1 0 1 0 3 2 0000 0 0 0 0 0000 0000 0000 0 0 0 0 0000 0000 c c c c c c c c c c c c c c c c C d d d d d d d d d d d d d d d d     l      lc    0,  1,  1,  2,  0  1  2  3 } T  0,  1,  2,  3,  0  1  2  3 } T [...]... biến đổi tín hiệu sử dụng wavelet, ứng dụng được trong thực tế 3 Mô phỏng ứng dụng mạch lọc thích nghi Triệt tiêu âm vang (Acoustic Echo Cancellation – AEC) Dưới đây sẽ mô tả ứng dụng của bộ lọc thích nghi sử dụng trong việc triệt tiêu âm vang Tác gi : Scott C Douglas Nội dung: - Giới thiệu Đáp ứng xung trong phòng Tín hiệu nói đầu gần Tín hiệu nói đầu xa Tín hiệu Microphone Bộ lọc thích nghi miền... với các hệ số lọc thông cao lại rất thấp cho nên tối ưu ràng buộc lại trở về không ràng buộc Phương pháp lọc thích nghi wavelet có khả năng chọn được cơ sở wavelet mẹ tối ưu thích ứng với các dạng tín hiệu cụ thể nên có thể nâng cao được chất lượng đáng kể khi thực hiện xử lý các tín hiệu có các dạng khác nhau Các giải thuật để thực hiện phương pháp lọc có thể lập trình được cho hệ vi xử lý kết hợp với... playblocking(p8); 20 Bộ lọc thích nghi miền tần số (FDAF) Các thuật toán mà chúng ta sẻ sử dụng trong bộ lọc thích nghi miền tần số (FDAF) Thuật toán này rất hữu ích khi đáp ứng xung cả hệ thống được xác định là dài FDAF sử dụng một kỹ thuật vòng xoắn nhanh để tính toán tín hiệu đầu ra và cập nhật bộ lọc Tính này được thực hiện một cách nhanh chóng trong việc mô phỏng bàng MATLAB Nó cũng đã được cải thiện hiệu suất... thiệu Triệu tiêu âm vang vô cùng quan trọng với cuộc hội thoại trong viễn thông khi mô phỏng cuộc hội thoại thì âm thay vô cùng cần thiết, tín hiệu microphone d(n) bao gồm 2 tín hiệu: âm thanh đầu gần (near-end speech signal v(n)) và âm thanh vang đầu xa 16 (the far-end echoed speech signal dhat(n)) Mục đích là cần loại bỏ tín hiệu âm thanh vang đầu xa Dưới đây là mô phỏng về việc triệt âm vang sử dụng. .. kiện còn lại cũng thoả mãn bằng cách chọn: 11 dk  (1)k c3k ; k  (0, ,3) Trong trường hợp tổng quát, với độ dài bộ lọc: N+1 và độ dài tín hiệu: M+1, biến đổi wavelet: y  C.x Với : C  CQCQ1 C1C0 ; Q  Qmax Qmax là số mức phân giải cực đại, phụ thuộc vào độ dài tín hiệu và độ dài bộ lọc Qmax  floor (log 2 M 1 ) N 1 Các điều kiện trực giao tổng quát sẽ là :   (k ); k  0, , N 1 2  dn dn2k... thanh vang đầu xa Dưới đây là mô phỏng về việc triệt âm vang sử dụng bộ lọc thích nghi Đáp ứng xung trong phòng Ban đầu, chúng ta làm rõ cách thức âm truyền từ Loa ngoài (loudspeaker) vào Microphone khi đó Microphone và Speakerphone ở gần nhau Chúng ta có thể sử dụng bộ lọc đáp ứng xung có độ dài hạn chế Dưới đây là mô tả về đáp ứng xung với tỉ lệ mẫu hệ thống là fs = 8000 Hz M = 4001; fs = 8000; [B,A]...   (k ); k  0, , N 1 2 N 1 2 Các hệ số lọc thông cao có thể được tính từ lọc thông thấp : dk  (1)k c3k ; k  (0, , 3) 2.2.2 Phương pháp lưới Phương pháp tái tạo các tham số lọc để các ràng buộc tự thoả mãn Ta hãy bắt đầu bằng ví dụ lọc 4 hệ số, điều kiện ràng buộc (7) cụ thể sẽ l : 12 c0  c2  c1  c3  1 2 2 Điều kiện này tự thoả mãn bằng cách đặt: c0  cos 1 cos  2 c1  cos 1 sin  2 c2... [dB]'); title('Echo Return Loss Enhancement'); set(gcf, 'Color', [1 1 1]) 24 Hiệu quả của những giá trị kích thước bước khác nhau Để đạt được sự hội tụ nhanh, chúng ta có thể thử bằng cách sử dụng một bước giá trị kích thước lớn hơn Tuy nhiên, mức tăng này gây ra một số hiệu ứng, đó là các bộ lọc 25 thích nghi được “không thích nghi lại” trong khi người nói gần kết thức Do vậy chúng ta chọn mức kích thước... [sec]'); ylabel('ERLE [dB]'); title('Echo Return Loss Enhancements'); legend('FDAF, \mu = 0.025','FDAF, \mu = 0.04'); set(gcf, 'Color', [1 1 1]) 28 Tài liệu tham khảo: Xử lý tín hiệu số - PGS.TS Nguyễn Quốc Trung Tài liệu Matlab Xử Lý Tín Hiệu Số - Lã Thế Vinh 29 ... Enhancement – ERLE) Khi chúng ta có quyền truy cập vào cả hai tín hiệu đầu gần và đầu xa vang lại Chúng ta có thể tính toán việc làm giảm tín hiệu đầu xa vang lại, bằng cách sử dụng đo sự mịn (trong dB) tức là âm vang đã suy yếu Ta thấy trên sơ đồ thì khoảng 30 dB ERLE đạt được hội tụ 23 erle = filter(Hd2,(e-v(1:length(e))).^2)./ (filter(Hd2,dhat(1:length(e)).^2)); erledB = -10*log10(erle); plot(t,erledB); . ĐẠI HỌC  TIỂU LUẬN Môn: XỬ LÝ TÍN HIỆU NÂNG CAO ĐỀ TÀI: BỘ LỌC THÍCH NGHI Giáo viên hướng dẫn: TS. Nguyễn Ngọc Minh Nhóm Học viên thực hiện: Lý Hoàng Sáng Nguyễn Xuân. hp vi DSP biu s dng wavelet, ng dc trong thc t. 3. Mô phỏng ứng dụng mạch lọc thích nghi Tri AEC)  . a d lii m. 2. Phương pháp và giải thuật tính toán bộ lọc thích nghi 2.1. Phương pháp LMS B lu nhi nhiu