Xử lý tự thích nghi theo băng con và ứng dụng

Đại học quốc gia Hà nội Trờng đại học công nghệ Nguyễn Trọng Khánh Xử lý tự thích nghi theo băng v ứng dụng Luận văn thạc sĩ Hà Nội - 2006 Đại học quốc gia Hà Nội trờng đại học công nghệ Nguyễn Trọng Khánh Xử lý tự thích nghi theo băng v ứng dụng Ngành: Công nghệ điện tử viễn thông Chuyên ngành: Kỹ thuật vô tuyến điện tử thông tin liên lạc Mã số: 2.07.00 Luận văn thạc sĩ Ngời hớng dẫn khoa học: GS TSKH Huỳnh Hữu Tuệ Hà Nội - 2006 Mục lục Bảng ký hiệu chữ viết tắt Mở đầu Chơng 1: Tóm tắt lý thuyết xử lý tự thích nghi 1.1 Mạch lọc tuyến tính tối u 1.2 Cấu trúc mạch lọc thích nghi 1.3 Mạch lọc FIR Wiener 1.4 Xử lý tín hiệu số đa tốc độ 1.4.1 Bộ giảm tốc độ mẫu (Decimation) 1.4.2 Bộ tăng tốc độ mẫu (Interpolation) 1.4.3 Thay đổi tốc độ mẫu hệ số phân số hữu tỉ 11 1.4.4 Các yêu cầu tính toán 12 1.5 Các thuật toán tự thích nghi ứng dụng 13 1.5.1 Phơng pháp giảm bớc nhanh 13 1.5.2 Thuật toán toàn phơng trung bình tối thiểu LMS 15 1.5.3 Thuật toán bình phơng tối thiểu đệ quy RLS 18 ChƯơng 2: Cấu trúc dn lọc v phép toán 23 2.1 Khái niệm dàn lọc số 23 2.1.1 Dàn lọc phân tích 23 2.1.2 Dàn lọc tổng hợp 23 2.2 Dàn lọc DFT 24 2.3 Dàn lọc QMF 26 2.3.1 Dàn lọc QMF 2-kênh 26 2.3.2 Quan hệ tín hiệu dàn lọc QMF 27 2.3.3 Dàn lọc QMF không chồng phổ 28 2.3.4 Dàn lọc QMF M kênh 29 Chơng 3: Xử lý tự thích nghi theo băng v áp dụng vo bi toán lọc nhiễu âm v loại tiếng vang 32 3.1 Một số chơng trình mô sở 35 3.1.1.Phân tích dạng tín hiệu nhiễu âm học 35 3.1.2 Tác dụng việc tăng giảm mẫu 36 3.1.3 Dàn lọc băng 38 3.2 Lọc thích nghi nhiễu âm học 40 3.2.1 Lọc thích nghi nhiễu âm học toàn dải thông 40 3.2.2 Lọc thích nghi nhiễu âm học dùng băng 46 3.3 Bộ khử tiếng vang tự thích nghi 55 3.3.1 Bộ khử tiếng vang tự thích nghi toàn dải 55 3.3.2 Bộ khử tiếng vang tự thích nghi theo băng 57 3.4 Kết luận 59 Kết luận 60 Phụ lục 61 Ti liệu tham khảo 68 Bảng ký hiệu chữ viết tắt SNR AWGN Signal to noise ratio Additive white gaussian noise FIR Finite Impulse Response IIR Infinite Impulse Response BER Bit error ratio LMS Least Mean Square RLS Recursive Least Square BPSK Binary pulse shift keying QPSK Quadrature pulse shift keying QAM Quadrature amplitude modulation QMF Quadrature Mirror Filter Bank OFDM Orthogonal frequency-division multiplexing UMF Uniformly modulated filter bank DFT Discrete Fourier Transform Mở đầu Chúng ta biết loại bỏ tạp âm khử tiếng vang công việc cần thiết việc đảm bảo chất lợng lĩnh vực xử lý âm [1] Thông thờng chất lợng âm đợc tốt nhờ lọc tiếng vang thích nghi (AEC) [2] Cấu trúc lọc thích nghi thông dụng thờng cấu trúc LMS RLS Tất nhiên nhà xử lý tín hiệu số chuyên nghiệp có nhiều phơng pháp thích nghi khác, đợc sử dụng cho ứng dụng phù hợp Giới hạn của luận văn phơng pháp LMS RLS Vấn đề đặt độ phức tạp việc xử lý toàn dải thông Bằng cách chia liệu âm thành băng nhỏ phù hợp, độ phức tạp hệ thống đợc giảm theo hệ số số băng Nếu áp dụng phơng pháp phân tích phổ rời rạc DFT dàn lọc lấy mẫu tần số giới hạn băng xuất hiện tợng chồng phổ ảnh hởng tới hội tụ lọc thích nghi Vấn đề xử lí tốt sử dụng tần số lấy mẫu cao mà nghĩa loại bỏ bớt mẫu liệu (số mẫu bỏ lần lấy mẫu phải nhỏ số băng con) Và trọng tâm luận văn này: xử lý tự thích nghi theo băng áp dụng toán cụ thể xử lý loại bỏ tiếng vang Luận văn trình bày bớc trình vừa đợc đề cập đến, cấu trúc bao gồm chơng sau: Chơng 1: Tóm tắt lý thuyết xử lý tự thích nghi Chơng 2: Trình bày cấu trúc dàn lọc phép toán Chơng 3: Xử lý tự thích nghi băng áp dụng toán loại bỏ tiếng vang Phần kết luận tổng kết lại kết đạt đợc luận văn Chơng 1: Tóm tắt lý thuyết xử lý tự thích nghi 1.1 Mạch lọc tuyến tính tối u Thuật ngữ mach lọc dùng để hệ thống có khả khôi phục lại dạng thành phần tần số tín hiệu lối vào để tạo tín hiệu lối thỏa mãn yêu cầu mong muốn Mạch lọc tuyến tính phi tuyến Ta xét mạch lọc tuyến tính, tức mạch lọc có tính chất tuân theo nguyên lý chồng chất d [n ] x[n ] Mạch lọc thời gian rời rạc tuyến tính w[n] = w0 , w1 , + + e[n] Hình 1.1 Giản đồ khối toán lọc thống kê Trong : x[n] : tín hiệu vào d [n] : tín hiệu mong muốn e[n] : tín hiệu sai số Tín hiệu lối vào dãy thời gian rời rạc x[n] , mạch lọc đợc đặc trng đáp ứng xung h[n] , tín hiệu lối thời điểm n y[n] Lối đợc sử dụng để xác định đáp ứng mong muốn d [n] Trong trờng hợp mạch lọc thích nghi, hệ số mạch lọc phải đợc chọn lựa cho dãy tín hiệu mong muốn có dạng phù hợp với tín hiệu lối vào Điều thực dãy tín hiệu sai số e[n] hội tụ nhanh Để làm đợc điều ta phải tối u hóa hàm sai số đợc xác định theo phơng pháp thống kê theo phơng pháp định ắ Đối với phơng pháp thống kê, hàm sai số đợc sử dụng giá trị toàn phơng trung bình tín hiệu sai số e[n] Nếu tín hiệu vào tín hiệu mong muốn tín hiệu dừng việc cực tiểu hóa sai số toàn phơng trung bình đa đến mạch lọc Wiener mạch lọc tối u theo toàn phơng trung bình Hầu hết thuật toán thích nghi áp dụng cho loại mạch lọc Wiener Để thiết kế mạch lọc Wiener cần phải biết trớc tính chất thống kê tín hiệu sở Các tín hiệu đợc giả thiết ergodic, nghĩa tín hiệu dừng trung bình theo thời gian trung bình thống kê ắ Đối với phơng pháp định, cách chọn hàm sai số tổng trọng số tín hiệu sai số toàn phơng Việc cực tiểu hóa hàm dẫn đến mạch lọc tối u dãy liệu cho 1.2 Cấu trúc mạch lọc thích nghi Cấu trúc thờng đợc sử dụng mạch lọc thích nghi [3, 4] cấu trúc ngang: x[n] w0 [n] x[n 1] Z w1 [n] Z Z x[n N + 1] wN [n] Thuật toán thích nghi y[n ] e[n] + d [n] Hình 1.2 Cấu trúc mạch lọc ngang thích nghi x[n] : tín hiệu lối vào, Trong d [n] : tín hiệu mong muốn, y[n] : tín hiệu lối ra, e[n] : tín hiệu sai số Phơng trình sai phân mô tả quan hệ lối lối vào: N y[n] = wk [n]x[n k ] (1.1) k =0 N chiều dài mạch lọc wk [n] hệ số mạch lọc, hệ số thay đổi theo thời gian đợc điều khiển thuật toán thích nghi 1.3 Mạch lọc FIR Wiener Ta xét trờng hợp hệ số giá trị thực Biểu diễn lối vào hệ số mạch lọc dới dạng véc tơ ta có: w = [w0 w1 K wN ] T (1.2) x[n] = {x[n] x[n 1] K x[n N + 1]} T (1.3) Ta có lối mạch lọc: N y[n] = wk [n]x[n k ] = wT x[n] (1.4) k =0 Do wT x[n] đại lợng vô hớng nên ta viết: y[n] == x T [n].w Từ đó: e[n] = d [n] y[n] = d [n] x T [n]w (1.5) Đối với mạch lọc Wiener, hàm hiệu đợc chọn sai số toàn phơng trung bình: [ = E e[n] ] (1.6) Thay vào ta có: = E [(d [n] wT x[n])(d [n] x T [n]w)] = E [d [n]] wT E[x[n]d [n]] E [d [n]xT [n]]w + wT E [x[n]xT [n]]w (1.7) Ta định nghĩa véc tơ tơng quan chéo bậc Nx1: p = E [x[n]d [n]] = [ p0 p1 p2 K p N ] T Và ma trận tự tơng quan: (1.8) r00 r 10 T R = E x[n]x [n] = r20 M rN 1,0 [ ] r01 r02 K r11 r12 K r21 M r22 M K K rN 1,1 rN 1, K r0, N r1, N r2, N M rN 1, N (1.9) Chú ý rằng: E [d [n]xT [n]] = pT wT p = pT w ta có: = E [d [n]] 2wT p + wT Rw (1.10) Để thu đợc dãy hệ số ứng với hàm phí tổn có giá trị cực tiểu ta cần phải giải hệ phơng trình đợc tạo thành từ đạo hàm bậc hệ số wi không, tức là: = với i = 0, 1, 2, K N wi Viết dới dạng ma trận: = toán tử vi phân đợc xác định nh véc tơ cột: w = w1 M wN Để tìm đạo hàm riêng hệ số wi mạch lọc, trớc hết ta biểu diễn hàm phí tổn thành dạng sau: = E [d [n]] pk wk + wk wm rkm Ta có: Từ đó: N N N k =0 k =0 m =o (1.11) N N N N N N k =0 m=o k =0 m=0 k i mi k =0 k i m=0 mi wk wm rkm = wk wm rkm + wi wk rki + wi wm rkm + wi2 rki N = pi + wk (rki + rik ) với i=0, 1, ,N-1 wi k =0 (1.12) Ta thấy: rki = E [x[n k ]x[n i ]] = xx [i k ] (1.13) đây: xx [i k ] hàm tự tơng quan x[n] tơng tự: rik == xx [k i ] Do tính chất đối xứng hàm tự tơng quan xx [k ] = xx [ k ] ta thu đợc: rki = rik N Từ đó: = pi + rik wk với i = 0, N wi k =0 (1.14) Biểu diễn dới dạng ma trận: = Rw p (1.15) Đặt ta thu đợc phơng trình tối u hóa hệ số mạch lọc Wiener Rw0 = p Đây phơng trình Wiener-Hopf véc tơ trọng số tối u w0 w0 = R p (1.16) Thay giá trị w0 vừa tìm đợc từ phơng trình Wiener-Hopf Rw0 = p vào phơng trình = E [d [n]] 2wT p + wT Rw ta tìm đợc giá trị cực tiểu hàm phí tổn = E [d [n]] w0 T p [ ] (1.17) = E d [n] w0 Rw0 T Đó sai số cực tiểu mà mạch lọc Wiener FIR W (z ) đạt đợc hệ số nghiệm phơng trình Wiener-Hopf , có nghĩa nghiệm tối u 1.4 Xử lý tín hiệu số đa tốc độ Xử lý tín hiệu số đa tốc độ gồm nội dung giảm tốc tăng tốc [5, 6] 1.4.1 Bộ giảm tốc độ mẫu (Decimation) Quay tr li vi h thng lc thớch nghi bng Chỳng ta cn xột ti bi toỏn ti u chn L v mu nh th no li l ti thiu ( õy bi toỏn gi s ang nhm ti ti u thụng s ny) Mó chng trỡnh phn ph lc cho phộp chỳng ta thc hin vic ny Kt hp vi thut toỏn ni suy cc b s cho phộp xỏc nh chớnh xỏc c giỏ tr ti u ca L v mu (L=32 v mu=0.055) Tng t nh vy nu chỳng ta cn ti u mt thụng s no khỏc thỡ chỳng ta li tin hnh xõy dng thut toỏn phự hp v ti u thụng s mong mun Hỡnh 3.24 Biu din s ph thuc ca li vo bc nhy mu, mi ng ng vi giỏ tr L khỏc 3.3 Bộ khử tiếng vang tự thích nghi 3.3.1 Bộ khử tiếng vang tự thích nghi toàn dải Trong cỏc phũng hi ngh, b phn nhn õm thng l nn nhõn ca mụi trng tỏn sc truyn õm Hin tng tỏn sc ny to rt nhiu ting vang tớn hiu nhn Mun nõng cao cht lng tớn hiu nhn, chỳng ta bt buc phi xõy dng cỏc phong phỏp nhm loi b cỏc ting vang ny Lun ny ngh dựng phng phỏp x lý t thớch nghi ton bng hay x lý t thớch nghi theo bng gii quyt ting vang Tớn hiu nhn c mụ t theo phng trỡnh sau õy: 55 r ( n) = M a k s(n n k ) + b( n) (3.1) k =1 Trong ú, ak v nk l suy hao v tr ca ting vang th k; M l s ting vang xut hin b nhn v b(n) l nhiu cng trng; C nhiờn, mt mụ hỡnh tng quỏt thỡ ak, nk v b(n) l cỏc i lng ngu nhiờn Riờng b(n) cú th l mt nhiu khụng trng tỡm s(n-no) h thng ny s dng mt b lc t thớch nghi FIR, no l tr tt nh m h thng x lý ỏnh giỏ l chp nhn c Ton b c cu ca h thng c trỡnh by hỡnh 3.25 Hỡnh 3.25 B kh ting vang t thớch nghi ton di Chng trỡnh mụ phng ny c thit k mt cỏch cho phộp s dng tt c cỏc tham s m ngi s dng mun ỏp dt Tuy nhiờn, vỡ nhng gii hn ca mỏy tớnh m tỏc gi ang s dng, nhng kt qu thu c tng ng vi cỏc thụng s sau õy: t l SNR l 30 dB; no = 6, v M = ( tc l ch cú mt ting vang) 56 Hỡnh 3.26 Kt qu kh ting vang t thớch nghi ton di Kt qu ny cho thy vi h thng x lý ton di, kt qu l khỏ tt C nhiờn, vỡ trc thi gian quỏ ln (10 phỳt) thỡ tr no (ng vi 6/8000 giõy) l quỏ nh ta cú th quan sỏt trờn th ca hỡnh 3.26 phc ca thut toỏn rt ln nờn khong thi gian x lý cng khỏ ln Do ú, dự kt qu t c khỏ nhng trờn thc t khú ỏp dng c cho cỏc h thng thc tin kh ting vang thut toỏn cú th ỏp dng vo thc t, ta phi dựng cu trỳc bng thc hin x lý song song nhm rỳt ngn thi gian x lý õy l mc tiờu ca phn tip theo 3.3.2 Bộ khử tiếng vang tự thích nghi theo băng Hỡnh 3.27 mụ t b kh ting vang t thớch nghi theo bng ú dn lc phõn tớch v tng hp bng c s dng Kt qu thc thi c trỡnh by trờn hỡnh 3.28 Tt nhiờn rng cu trỳc ny cú th m rng cho bt k cỏc thụng 57 s no m ngi s dng mong mun Tuy nhiờn, hn ch v cu hỡnh mỏy ca tỏc gi nờn la chn bng l phự hp Hỡnh 3.27 B kh ting vang t thớch nghi theo bng Hỡnh 3.28 Kt qu kh ting vang dựng cu trỳc bng t thớch nghi vi ting vang 58 Ta thy vi thi gian x lý ngn hn, ta cú th thc hin thớ nghim nhiu ting vang hn so vi trng hp cu trỳc ton bng Tht vy, kt qu trỡnh by trờn hỡnh 3.28 tng ng vi tớn hiu v ting vang Kt qu thu c cho thy x lý t thớch nghi theo bng thớch hp hn rt nhiu cho nhng tỡnh m ting vang l ngun nhiu chớnh m b x lý phi trc din 3.4 Kết luận Chng ny l chng ch lc v tng i khỏ di ca lun ny V mt lý thuyt, chng ny kt hp phng phỏp lun ca phng phỏp x lý t thớch nghi LMS, RLS v cu trỳc bng H thng x lý t thớch nghi theo bng ny c s dng lc nhiu õm hc cng nh kh ting vang Nhng kt qu thu lm c cho thy cu trỳc x lý t thớch nghi ton bng v cu trỳc x lý t thớch nghi theo bng cho cỏc kt qu cú cht lng tng ng Tuy nhiờn, cu trỳc bng cho phộp rỳt ngn thi gian x lý cho nờn tng i thớch hp vi cỏc tỡnh thc t 59 Kết luận Luận văn hoàn thành mục tiêu đề ra: thiết kế hệ thống xử lý tự thích nghi theo băng áp dụng ứng dụng cụ thể loại bỏ tiếng vang vấn đề thu hút đợc nhiều quan tâm giới xử lý tín hiệu số Luận văn làm sáng rõ đợc hai vấn đề: độ phức tạp hệ thống đợc giảm cách đa tín hiệu vào băng con, để giảm bớt số mẫu cần phải xử lý cho băng sử dụng lọc thích nghi băng Những biến thiên phổ băng nhỏ toàn dải Độ xác thông tin đợc đảm bảo cách sử dụng dàn lọc phân tích tổng hợp nhằm khôi phục hoàn hảo tín hiệu thu đợc (tức tín hiệu qua dàn lọc phải không bị méo mà bị trễ) Phần luận văn chơng , trình bày thiết kế hệ thống xử lý thích nghi: hệ thống toàn dải hệ thống băng Trọng tâm chơng dàn lọc băng Các thuật toán thích nghi khác đợc thực thi tín hiệu âm thực, kết âm khôi phục hệ thống tốt Những so sánh, đánh giá cụ thể u điểm hệ thống sử dụng băng đợc trình bày (chẳng hạn nh lỗi hệ thống băng giảm nhanh thuật toán thích nghi nhanh hội tụ hình 3.21 hay cách thức để thực toán tối u hình 3.24) Một điểm lu ý luận văn định dạng liệu với loại cấu trúc đơn (độ xác đơn) nhằm hớng tới việc thực thi chip phần cứng chuyên dụng Hớng phát triển luận văn nghiên cứu chất lợng hệ thống tự thích nghi theo băng con, phụ thuộc vào thông số đợc sử dụng cấu trúc thực tiễn Ngoài ra, cấu trúc đợc sử dụng vào thao tác sửa sóng (equalizing) cho hệ thống truyền dẫn không dây Sửa sóng tự thích nghi theo băng có khả nâng cao chất lọng cho hệ thống Hiperlan/2, Wifi Wimax Đây hớng nghiên cứu quan trọng, mà kết thu lợm đợc có đóng góp thực tiễn để hoàn thiện hệ thống truyền dẫn không dây 60 Phụ lục % program Fs = 11025; y = wavrecord(2*Fs,Fs,'int16'); wavplay(y,Fs); clc;clear; load tanvoice; x=y;clear y; Fs = 11025; l = length(x); if l 22050 x = x(1,1:22050); end wavplay(x,Fs); %Hien thi theo thoi gian, spectrogram specgram(x,256,11025); wavwrite(x,11025,'orig.wav'); %pause; % giam mau ("tang toc") y = downsample(x,2); subplot(2,1,1); stem(x(1:101)); %axis([0 100 -.015 015]); xlabel('n');ylabel('x[n]'); subplot(2,1,2); stem(y(1:51)); %axis([0 50 -.015 015]); xlabel('n');ylabel('y[n]'); %pause 61 %subplot(1,1,1),specgram(y,256,11025); %pause wavplay(y,Fs); wavwrite(y,11025,'downsamp.wav') pause % tang mau ("lam cham") y = upsample(x,2); subplot(2,1,1); stem(x(1:101)); %axis([0 100 -.015 015]); xlabel('n');ylabel('x[n]'); subplot(2,1,2); stem(y(1:201)) %axis([0 200 -.015 015]) xlabel('n');ylabel('y[n]'); %subplot(1,1,1),specgram(y,256,11025); pause wavplay(y,Fs); wavwrite(y,11025,'upsamp.wav'); pause % Original sound %specgram(x,256,11025); wavplay(x,Fs); pause % Loc thong thap N = 4;Rp = 5;Rs = 40; Wn = 15; [B,A] = ellip(N,Rp,Rs,Wn); 62 y = filter(B,A,double(x)); subplot(2,1,1),stem(x(1:101)) xlabel('n');ylabel('x[n]'); subplot(2,1,2),stem(y(1:101)) xlabel('n');ylabel('y[n]'); %pause %subplot(1,1,1),specgram(y,256,11025); %pause wavplay(y,Fs); wavwrite(y,11025,'lpf.wav') pause % Loc thong cao [B,A] = ellip(N,Rp,Rs,Wn,'high'); y = filter(B,A,double(x)); subplot(2,1,1),stem(x(1:101)) xlabel('n');ylabel('x[n]'); subplot(2,1,2),stem(y(1:101)) xlabel('n');ylabel('y[n]'); %subplot(1,1,1),specgram(y,256,11025); wavplay(y,Fs); wavwrite(y,11025,'hpf.wav') % program wname = 'dmey'; [Lo_D,Hi_D,Lo_R,Hi_R] = wfilters(wname); Lo_D=Lo_R; Hi_D=Hi_R; % de tinh toan ben phat 'r' w=linspace(0,4000,256); 63 LO_D=abs(fft(Lo_D,512)); HI_D=abs(fft(Hi_D,512)); plot(w,LO_D(1:256),w,HI_D(1:256),'k'); LO_D=LO_D/max(LO_D); HI_D=HI_D/max(HI_D); hold on; %giam toc lay mau di lan w2=linspace(0,4000/2,256); plot(w2,LO_D(1:256),'r',w2,HI_D(1:256),'m'); pause; L=LO_D(1:256); H=HI_D(1:256); thap2=[L zeros(1,256)]; cao2=[H max(H)*ones(1,256)]; temp=abs(fft(Lo_D,512*2)); thap1=temp(1:512); temp=abs(fft(Hi_D,512*2)); cao1=temp(1:512); w=linspace(0,4000,512); plot(w,thap1,w,thap2,'k',w,cao1,'r',w,cao2,'m');pause; cao_shift=[zeros(1,256) H]; thap_shift=[ones(1,256) L]; h4=thap1.*thap2; h3=thap1.*cao2; 64 h1=cao1.*cao_shift; h2=cao1.*thap_shift; h4=h4/max(h4); h3=h3/max(h3); h2=h2/max(h2); h1=h1/max(h1); hold off; plot(w,h4,w,h3,'k',w,h2,'r',w,h1,'m'); legend('h4','h3','h2','h1'); % lod va hid la dap ung xung cua bo loc phan tich thong thap va thong cao % lor va hir la dap ung xung cua bo loc tong hop thong thap va thong cao hid = [ -0.23037781330886 0.71484657055254 -0.63088076792959 -0.02798376941698 0.18703481171888 0.03084138183599 -0.03288301166698 -0.01059740178500]; % length(hid)=8; lod= [ -0.01059740178500 0.03288301166698 0.03084138183599 -0.18703481171888 -0.02798376941698 0.63088076792959 0.71484657055254 65 0.23037781330886]; % length(lod)=8; h1= [ 0.05307393686497 -0.32936957955046 0.80168748297919 -0.88907222755120 0.27182499827284 0.28850089112747 -0.17596549522395 -0.09151215114077 0.05959539121818 0.02674859927449 -0.01075623446227 -0.00599248113261 0.00042761542645 0.00069694897307 0.00011230492459 ]; %length(h1)=15; % program t=0:length(y_org)-1; figure(1) plot(t,y_org,t,y_noisy,'r',t,y_filtered,'k'); axis tight; legend('y_org','y_noisy','y_filtered'); figure(2); subplot(311); plot(t,y_org); axis tight; subplot(312); plot(t,y_noisy,'r'); 66 axis tight; subplot(313); plot(t,y_filtered,'k'); axis tight; figure(3); %plot(abs(y_org(1:end-945)-y_filtered(946:end))); % voi gia tri 945 ko phu thuoc vao gia tri L % 945=3x3x3x5x7 chac la phu thuoc cau truc subband plot(abs(y_org-y_filtered)); % file full band % program clc; warning('off','Simulink:ShadowedModelName') temp=0.004*[1 12 24 30 36]; temp2=15:5:50; for i=1:8 for j=1:8 mu=temp(i); L=temp2(j); sim('tan2.mdl'); e=abs(y_org(1:end-945)-y_filtered(946:end)); mea(i,j)=mean(e(end-20:end)); end; end; figure;hold on; plot(L,mea); legend('0.0040' , ' 0.0080' , ' 0.0160' , '0.0320' , ' 0.0480' , '0.0960 ' , '0.1200 ' , '0.1440') plot(mu,mea); legend('15 ' , '20' , '25' , '30' , '35' , ' 40' , '45 ' , '50') 67 Ti liệu tham khảo Ting Vit Ting Anh [1] FARHANG-BOROUJENY, B, Adaptive filters: theory and applications , John Wiley and Sons Ltd., Chichester, 1998 [2] M G Bellanger, Adaptive Digital Filters and Signal Analysis Marcel Dekker, 1987 [3] WEISS, S., LAMPE, L., and STEWART, R.W.: Efficient implementation of complex and real valued filter banks for comparative subband processing with an application to adaptive filtering Proceedings of lntemational Symposium on Communication systems und digital signal processing, Sheffield UK, April 1998, pp 32-35 [3] RUPP, M : A Family of Adaptive Filter Algorithms with Decor-relating Properties, IEEE Trans Signal Processing 46 No (1998), 771-775 [4] B Widrow and S D Stearns, Adaptive Signal Processing Prentice-Hall, Inc Englewood Cliffs, N.J [5] CROCHIERE, R.E., and RABINER, L.R.: Multirate digital signal processing, Prentice Hall, Englewood Cliffs, NJ, 1983) [6] VAIDYANATHAN, P.P: Multirate systems and filter banks, Prentice Hall, Englewood Cliffs, NJ, 1993 [7] GILLOIRE, A., and VETTERLI, M.: Adaptive filtering in subbands with critical sampling: analysis, experiments and application to acoustic echo cancellation, IEEE Truns Signal Process., 1992, 40, (8), pp 1862-1875 [8] WANG, Z.: Adaptive filtering in subhands MEng, National University of Singapore, 1996 [9] DE LEON 11, P.L., and ETTER, D.M.: Experimental results with increased bandwidth analysis filters in oversampled, subband acoustic echo cancellers, IEEE Signul Process Lett, 1995, 2, (I), pp 1-3 [10] MORGAN, D.R.: Slow asymptotic convergence of LMS acoustic echo cancellers, IEEE Trans Speech Audio Process., 1995, 3, (2), pp 126-136 68 [11] COURVILLE, M.|DUHAMEL, P : Adaptive Filtering in Sub-bands Using a Weighted Criterion, IEEE Trans Signal Process-ing 46 No (1998), 2359-2371 [12] HARTENECK, M., PAEZ BORRALLO, J.M., and STEWART, R.W.: An oversampled subband adaptive filter without cross adaptive filters Proceedings of IWAENC 97, September 1997 [13] HARTENECK, M., WEISS, S., and STEWART, R.W.: Design of near perfect reconstruction oversampled filter banks for subhand adaptive filters, IEEE Truns Circuits Syst II, Analog Digit Signal Process., 1999, 46, (E), pp 1081-1085 [14] MORGAN, D.R., and THI, J.C.: A delayless subhand adaptive filter architecture, IEEE Truns Signal Process., 1995,43, (8), pp 1819-1830 69 [...]... (2.29) Y(z) = l=0 k ở đây Al(z) = Dàn lọc phân tích và tổng hợp gây ra sự chồng phổ và sự tạo ảnh cũng nh sự méo biên độ và pha 31 Chơng 3: Xử lý tự thích nghi theo băng con v áp dụng vo bi toán lọc nhiễu âm v loại tiếng vang M u: Trong chng 1, cỏc thut toỏn t thớch nghi trc tip vo h thng c trỡnh by cn k Trong khi chng 2 phõn tớch v tho lun cu trỳc bng con ca mt h thng tng quỏt Ta thy ngay cú th s dng... tích và sau đó đợc xử lý rồi cuối cùng kết hợp lại với nhau nhờ dàn lọc tổng hợp để thu đợc tín hiệu lối ra y[n] Nếu các tín hiệu con bị giới hạn dải đến một miền tần số hẹp hơn miền tần số của tín hiệu lối vào gốc, thì chúng có thể bị giảm tốc độ mẫu trớc khi xử lý Vì các mẫu của tín hiệu lối vào có tốc độ nhỏ hơn, nên việc xử lý các tín hiệu có tốc độ mẫu nhỏ hơn này đợc tiến hành thuận lợi và có... gn ỳng l cn x lý trờn M/2 bng con S trng s trờn mi bng con lỳc ny l N/L Vi N l s trng s ca b lc thớch nghi ton di v 1/L l tc x lý gim trờn mi bng Nh vy s trng s phc cn thit l MN/2L Nh vy ta d dng cú liờn h sau: do do phuc phuc tap tap tren tren bang toan con dai = 2M L2 Cú th d dng thy phc tp ca bng con cú th c gim theo mt h s l s bng con (nu õy ta chn M=L) Tt nhiờn l vi x lý bng con thỡ chỳng ta... (m ) = R yy (m 1) + y (m ) y T (m ) (1.48) áp dụng thuật toán thích nghi vào bài toán thống kê cho tín hiệu biến đổi theo thời gian thì hàm tự tơng quan ớc lợng trong phơng trình (1.48) sẽ đợc cửa sổ hoá bằng một cửa sổ suy giảm theo hàm mũ: R yy (m ) = R yy (m 1) + y (m ) y T (m ) (1.49) Trong đó là hệ số thích nghi (forgeting factor), 0 < < 1 Tơng tự, ta có véc tơ tơng quan chéo: N 1 ryx (m )... toán khi sử dụng mạch lọc FIR cao hơn là dùng mạch lọc IIR 1.5 Các thuật toán tự thích nghi và ứng dụng 1.5.1 Phơng pháp giảm bớc nhanh nhất Đây là phơng pháp lặp để tìm các hệ số tơng ứng với điểm cực tiểu về mặt sai số của một mạch lọc Wiener FIR [1] Trong phơng pháp này, hàm phí tổn cần cực tiểu hóa đợc giả thiết là phân kỳ và xuất phát từ một điểm bất kỳ trên mặt sai số, ta lấy một bớc nhỏ theo hớng... thc tin, vic x lý thớch nghi trờn ton di s lm cho h thng phi chu 1 lng tớnh toỏn rt ln v gõy khú khn khi thc thi vo cỏc phn cng ú cng chớnh l nguyờn nhõn rt khỏch quan dn ti vic x dng thớch nghi bng con trong bi toỏn x lý t thớch nghi [9, 10] Chỳng ta s nhỡn c th hn vo khớa cnh 32 ny nh sau: gi s xột dn lc bng con M di vi cỏc b lc phc thỡ ch cn x lý trờn M/2+1 di (coi M chn) Vi s lng bng con ln thỡ lm... lọc RLS bám sát sự biến đổi theo thời gian của quá trình Mạch lọc RLS có tốc độ hội tụ tới trọng số lọc tối u tơng đối nhanh Do vậy mà mạch lọc RLS có thể sử dụng trong các bộ sửa sóng, bộ khử tiếng vọng, ra đa Trong thuật toán bình phơng tối thiểu đệ quy, sự thích nghi bắt đầu với trạng thái khởi động của mạch lọc, và lần lợt các mẫu của tín hiệu lối vào đợc sử dụng để thích nghi các trọng số mạch lọc... Dàn lọc QMF 2-kênh dựa trên bộ mã hoá/giải mã Tín hiệu lối vào x[n] đợc phân tách thành hai tín hiệu băng con nhờ dàn lọc phân tích gồm hai mạch lọc H0(z) và H1(z), một cái là thông thấp còn cái kia là thông cao với tần số cắt /2 nh cho trên hình 3.2 Sau đó, các tín hiệu băng con vk[n] đợc đi qua bộ giảm tốc độ mẫu với hệ số 2 Mỗi tín hiệu băng con đợc mã hoá nhờ khai thác các tính chất phổ riêng biệt... (full band) Tip theo, phn hai ca chng ny thc hin kt hp lý thuyt bng con v x lý t thớch nghi vo bi toỏn lc nhiu õm v loi ting vang Vic kt hp ny cú tt hay khụng s c th hin thụng qua vic so sỏnh vi phng phỏp loi nhiu trờn ton di thụng Vic so sỏnh cú th thc hin qua cỏc kt qu chớnh xỏc thu c v cú th qua thớnh giỏc ca ngi chy chng trỡnh Phng phỏp: X lý thớch nghi c ng dng rt ph bin trong x lý ting núi, c... toán gradient thống kê, đợc Widrow và Hoff áp dụng lần đầu năm 1960 LMS bao gồm hai quá trình: quá trình lọc và quá trình thích nghi Trong quá trình lọc, thuật toán LMS sử dụng mạch lọc ngang tuyến tính có lối vào x[n] , lối ra y[n] Quá trình thích nghi đợc thực hiện nhờ sự điều khiển tự động các hệ số của mạch lọc sao cho nó tơng đồng với tín hiệu sai số là hiệu của tín hiệu lối ra với tín hiệu mong ... bỏ bớt mẫu liệu (số mẫu bỏ lần lấy mẫu phải nhỏ số băng con) Và trọng tâm luận văn này: xử lý tự thích nghi theo băng áp dụng toán cụ thể xử lý loại bỏ tiếng vang Luận văn trình bày bớc trình... trúc bao gồm chơng sau: Chơng 1: Tóm tắt lý thuyết xử lý tự thích nghi Chơng 2: Trình bày cấu trúc dàn lọc phép toán Chơng 3: Xử lý tự thích nghi băng áp dụng toán loại bỏ tiếng vang Phần kết luận... vực xử lý âm [1] Thông thờng chất lợng âm đợc tốt nhờ lọc tiếng vang thích nghi (AEC) [2] Cấu trúc lọc thích nghi thông dụng thờng cấu trúc LMS RLS Tất nhiên nhà xử lý tín hiệu số chuyên nghi p