کاربرد فیلتر کالمن عصبی در بهبود سیگنالهای صوتی
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:PDF
تعداد صفحه:125
فهرست مطالب :
چکیده ۱۲
مقدمه ۱۳
فصل ۱
مروری بر پژوهشهای پیشین
۱- فیلتر وینر ۱۴ -۱
۲- فیلتر کالمن ۱۵ -۱
۳- فیلتر کالمن توسعه یافته ۱۶ -۱
۴- روشهای کاهش طیفی ۱۷ -۱
۵- استفاده مستقیم از شبکه عصبی ۱۸ -۱
۶- فیلتر کالمن توسعه یافته دوگانه ۱۹ -۱
۷- فیلتر کالمن درک نشده ۲۰ -۱
۸- فیلتر کالمن درک نشده دوگانه ۲۱ -۱
فصل ۲
معرفی فیلترهای کالمن
۱- مقدمه ۲۵ -۲
۲- فیلتر کالمن ۲۶ -۲
۱- مدل سیگنال و مشاهده ۲۶ -۲-۲
۲- یافتن پارامترهای فیلتر کالمن ۲۹ -۲-۲
۳- خلاصه ای از روابط فیلتر کالمن ۳۱ -۲-۲
۴- خطای سیستم ۳۲ -۲-۲
۵- خصوصیات فیلتر کالمن ۳۳ -۲-۲
۳۴ (EKF) ۳- فیلتر کالمن توسعه یافته -۲
۳۹ (DEKF) ۴- فیلتر کالمن توسعه یافته دوگانه -۲
۱- فیلتر تخمین حالت کالمن توسعه یافته ۴۱ -۴-۲
۲- فیلتر تخمین وزن کالمن توسعه یافته ۴۴ -۴-۲
فصل ۳
شناسایی سیستمهای خطی و غیر خطی
۱- مقدمه ۴۵ -۳
۲- ساختارهای مدل کردن سیستمهای خطی ۴۷ -۳
۳- مدل فضای حالت سیگنالهای صوتی ۵۲ -۳
۴- اعتبار تخمین ۵۳ -۳
۱- تست تابع خود همبستگی ۵۴ -۴-۳
۵- شناسایی و مدل کردن سیستمهای غیر خطی ۵۶ -۳
۵۷ NARX ۱- روش -۵-۳
۶۱ NAR ۲- روش -۵-۳
۳- نمایش شبیه سازیهای مدلسازی صوت ۶۳ -۵-۳
فصل ۴
نمایش شبیه سازیهای انجام شده و نتایج آن
۱- مقدمه ۶۷ -۴
۲- شرح خلاصه مطالب ۶۸ -۴
۳- ساختار مدل ۶۹ -۴
۱- حلقه شناسایی سیستم ۷۰ -۳-۴
۲- ساختار شبکه عصبی ۷۲ -۳-۴
۳- نحوه آموزش شبکه عصبی ۷۳ -۳-۴
۴- نحوه همگرا شدن شبکه عصبی ۸۷ -۳-۴
۴- موضوع تخمین ۸۹ -۴
۱- نحوه تخمین سیگنال صوتی ۹۲ -۴-۴
۵- نتیجه گیری ۱۰۰ -۴
۶- پیشنهاد برای کارهای آینده ۱۰۱ -۴
۱۰۲ MATLAB پیوست ۱- برنامه های نوشته شده با نرم افزار 6.5
فهرست منابع فارسی ۱۰۸
فهرست منابع غیر فارسی ۱۰۹
فهرست نام ها ۱۱۳
چکیده :
در فصل اول، پایان نامه مروری بر پژوهشهای انجام شده توسط محققان و دانشمندا ن طی نیم
قرن اخیر دارد و سعی می کند تا روند تکامل خانواده فیلتر کالمن را مورد بررسی قرار دهد . در
فصل دوم به معرفی فیلتر کالمن، فیلتر کالمن توسعه یافته و فیلتر کالمن دوگانه می پردازد و روابط
آنها و چگونگی استخراج این روابط تشریح می گردد . در فصل سوم موضوع شن اسایی سیتمهای
خطی و غیر خطی مطرح می گردد و انواع روشهای شناسایی سیستمهای خطی و غیر خطی مورد
مطالعه قرار می گیرد . همچنین کاربرد شبکه عصبی در شناسایی سیستمهای غیر خطی و نحوه
آموزش و انتخاب ساختار شبکه عصبی تشریح می گردد و در ادامه نحوه آموزش شبکه عصبی
انتخاب شده ارائه می گردد . در فصل چهارم نیز به ارائه شبیه سازیهای انجام شده با نرم افزار
و مقایسه آنها با یکدیگر پرداخته شده است. Matlab 6.5
لیست برنامه های نوشته شده نیز در پیوست ۱ ارائه گردیده است.
موضوع بهبود گفتار با نیاز به افزایش کیف یت عملکرد سیستمهای ارتباطی صوتی در محیط های
نویزی ، مطرح گردید . رنج عملکردی وسیعی برای سیستمهای تشخیص گفتار جهت بهبود ارتباط
از راه دور در هوانوردی ، صنایع نظامی ، گفتگوهای راه دور و محیط های سلولی وجود دارد . هدف
ما نیز در این پایان نامه بهبود کیفیت قابل ملاحظه گفتار یا افزایش قابلیت فهم آن می باشد.
کاربردهای فراوانی از بهبود گفتارهای صوتی تا پیش بینی های اقتصادی و کنترل تطبیقی
نیازمند تخمین و مدلسازی دنباله های زمانی نویزی می باشند . از این جمله می توان به بهبود
گفتارهای صوتی ، پیش بینی اقتصادی ، مدلسازی ژئو فیزیکی و بسیاری کاربردهای دیگر اشاره
کرد. یک دنباله زمانی نویزی می تواند با یک مدل احتمالی که هر دوی اجزای تقریبی و دقیق
دینامیک ها را تخمین می زند ، توصیف شود . چنین مدلی می تواند به همراه فیلتر کالمن (یا فیلتر
کالمن توسعه یافته) جهت تخمین و پیش بینی سری زمانی از مشاهدات نویزی بکار گیری شود.
فیلتر کالمن یک فیلتر بهینه خطی است که بر روی فضای حالت سیتمهای خطی استاتیکی و
دینامیکی اثر گذاشته و یک تخمین بهینه از حالتهای سیستم با استفاده از معادلات بر گشت پذیر و
دینامیکی خود در شرایطی که دسترسی به آنها میسر نباشد ارائه می دهد . همچنین این فیلتر می
تواند تاثیر کلیه اطلاعات گذشته و ابتدایی سیستم را نیز در تخمین هر لحظه خود لحاظ نماید.
بنابراین با توضیحات ارائه شده در بالا می توان فهمید که جهت بازیابی یک سیکنال صوتی به
یک تخمین خوب نیاز است اما موضوع مهم این است که فیلتر کالمن خطی قادر به ارائه تخمین از
مدلهای سیستمهای غیر خطی نمی باشد حال آنکه اکثر سیستمهای واقعی که سیستمهای صوتی
نیز از این جمله می باشند ماهیت غیر خطی دارند. لذا در این پایان نامه بر آن شدیم تا با مطالعه بر
روی فیلتر کالمن توسعه یافته و به کمک شبکه های عصبی بتوانیم موضوع مدلسازی و تخمین
سیگنال صوتی را با فرض غیر خطی بودن آن بررسی نماییم.
و...
دانلود پایان نامه کاربرد فیلتر کالمن عصبی در بهبود سیگنال های صوتی
