بخشی از مقاله
چکیده
بروز نویز در سامانههاي مخابراتی امري رایج است و حذف نویز براي ایجاد صحت و دقت از اهداف اصلی هر سامانهاي است.در بسیاري موارد با محیطهاي نویزي سروکار داریم که موجب تخریب سیگنال مطلوب ما میشود و میخواهیم این نویز را کاهش دهیم یا بهطور کامل حذف نمائیم؛ این امر با استفاده از فیلتر وفقی که از زمینههاي مهم در پردازش سیگنالهاي دیجیتال محسوب میشود بهراحتی قابل انجام است. این فیلتر داراي ماهیت وفقی است که تغییر در سیگنال را صرفنظر از هرگونه انحراف پارامتري حس میکند. فیلترهاي وفقی در مسائلی که در مورد پارامترها به دلیل ناکافی بودن اطلاعات گذشته ابهام وجود دارد و یا ممکن است انتظار تغییر پذیري با زمان را داشته باشیم، مفید واقع میشوند.
سازگاري را میتوان با روشهاي مختلفی مانند حداقل میانگین مربعات - - LMS ، فیلتر وینر و فیلتر حداقل مربعات بازگشتی - - RLSبه دست آورد. LMS ازمناسبترین روشها براي فیلتر وفقی در حذف نویز است که در این پژوهش از قابلیت آن براي حذف نویز محیط در سیگنال صدا استفادهشده است. طول گام - μ - بهعنوان پارامتري در نظر گرفتهشده که ما میتوانیم تغییرات رادر آن اعمال کنیم. مقدار این پارامتر با نسبت درست بهمنظور تولید نزدیکترین سیگنال به سیگنال اصلی انتخابشده است. در انتها با توجه به مقایسه سیگنال اصلی با سیگنال بازیابی شده کارایی روش ارائهشده نشان دادهشده است.
کلمات کلیدي:حذف نویز، محیط نویزي، فیلتر وفقی، طول گام، سیگنال صدا.
.1 مقدمه
هدف اصلی در بسیاریازکاربردهاي مهندسی پزشکی، رادار، سونار، مخابرات دیجیتال و هوافضا، شناسایی و جداسازي سیگنال مفیدي است که به علت تداخل و نویز تخریبشده است. در موارد زیادي با محیطهایی سروکار داریم که باعث ورود نویز به سیگنال مطلوب ما میشود و در اصطلاح محیط نویزي و نویز حاصل از آن نیز نویز محیط نامیده میشود. در برخی موارد نظیر اتاقکهاي خلبانی این امر حساسیت بیشتري دارد زیرا اگر سیگنال صوت بهاشتباه ارسال و یا دریافت شود ممکن است موجب خسارات جبرانناپذیري شود؛ لذا حذف نویز از سیگنال صوت اهمیت ویژهاي در موارد اینچنینی دارد. در پژوهش حاضر حذف نویزناشی از محیطهاي نویزي بررسیشده و روشی نیز براي حذف نویز پیشنهادشده است.
آشناترین روش تشخیص و محاسبه سیگنال اصلی فیلتر کردن سیگنال دریافتی بهمنظورفرونشاندن نویز بدون تغییر سیگنال است. فیلترهایی که میتوانند براي این مقاصد مورداستفاده قرار گیرند ثابت یا وفقی هستند. براي طراحی فیلترهاي ثابت شناخت کاملی از سیگنال و نویز موردنیاز است. ولی فیلترهاي وفقی، قادر به تنظیمخودکار پارامترها هستند، و طراحی نیاز ندارد تا دانشی قبلی در موردویژگیهاي سیگنال و یا نویز داشته باشد. نام دیگر فیلتروفقی فیلتر سازگار یا فیلتر تطبیقی است.صفت سازگار درباره سامانههایی بکار میرود که تلاش آنها بر وفق دادن رفتار خود نسبت به محیطی است که در آن قرار دارند.
بهبیاندیگرسامانههایی سازگار هستند که میکوشند تا با تغییر مقدار پارامترهاي خود عملکردشان را به نحوي متناسب با محیط اطراف خودتنظیم کنند. در این فرایند سامانهاي که پارامترهاي آن دچار تغییرات شده است، فیلتر نام دارد.بر اساس پیچیدگی این سیستم و یا سرعت عملکرد آن، فیلترهاي سازگار گوناگونی وجود دارند که میتوانند عملکردي خطی یا غیر خطی داشته باشند. کلیترین ساختاري که براي فیلترهاي سازگار بکار میرود، ساختار یک فیلتر متقاطع است. فیلتر سازگار داراي یک سیگنال ورودي و یک سیگنال خروجی است. سیگنالی که علاقهمند هستیم تا خروجی فیلتر مشابه آن تنظیم شود، سیگنال ورودي یا مرجع است. ورودي مرجع که از حوزه نویز مشتق شده است، استخراجشده سپس فیلتر میشود و از مقدار ورودي اولیه آنکه حاوي سیگنال و نویز است کاهش مییابد.
نویز اولیه توسط حذفکننده نویز تضعیفشده یا بهطورکلی حذف میشود. در اینجا دنباله ضرایب فیلتر است که مقدار دامنه این ضرایب، وزنهاي فیلتر نامیده میشود و طول آنها نیز طول فیلتر میباشد. در مقایسه با شیوههاي مرسوم طراحی فیلتر ، فیلترهاي وفقی شامل ضرایب ثابت نیست و اطلاعات قبلی نیز در آن نامشخص است. بنابراین فیلتر با پارامترهاي قابل تنظیم و تصحیحپذیر بهعنوان فیلتر وفقی شناخته میشود. درواقع خود فیلتر وفقی ضرایبش رابراي به حداقل رساندن سیگنال خطا تنظیم میکند. سیگنال ورودي به فیلتر نیز دنبالهاي نمونه برداري شده از سیگنال پیوسته ورودي است که داراي ضریب مطابق با تعداد ضرایب فیلتر است.
آنچه در طول این فرایند تغییر میکند، دامنه ضرایب فیلتر یا همان وزنهاي فیلتر است که چگونگی تغییر آنها بر اساس الگوریتم فیلتر سازگاري میباشد. که این کار میتواند بهصورت پاسخ ضربه محدود - - FIR ، پاسخ ضربه نامحدود - - IIR و یا تبدیل دامنه انجام شود.[16]در میان تمام الگوریتمهاي موجود، الگوریتم حداقل میانگین مربعات - - LMS، براي تطبیق ضرایب فیلتر مناسبترین روش است. درنتیجه، عملکرد هدف تحت شرایط متغیر و تنظیم مجدد دائم خود براي به حداقل رساندن خطا تماماً توسط الگوریتم LMS انجام میشود. فیلتر LMS مربع خطاي لحظهاي را به حداقل میرساند و یک روش ساده بهینهسازي مبتنی بر گرادیان است.[5]
فیلتر وفقی در حال حاضر در بسیاري از حوزههاي کاربردي پردازش سیگنال مانند: شناسایی سامانه، کنترل سیگنال، حذف اکو، پیشبینی سیگنال، حذف نویز و ... استفادهشده است. در این پژوهش ما بیشتر روي حذف نویز متمرکزشدهایم که توسط فیلتر وفقی با استفاده از الگوریتم LMS به دست خواهد آمد. از الگوریتم LMS نمیتوان انتظار مقدار مشخص داشت ولی براي همگرایی متوسط مقادیر مطمئنی میدهد .پارامترهاي مختلفی در رابطه با پردازش سیگنال وجود دارد، که با کار روي این پارامترها میتوانیم نویز را به حداقل برسانیم و استفاده مناسب از چنین پارامترهایی حتی در حذف نویز هم مؤثر است؛ ازجمله طول گام، پارامتر جهش و غیره،که در اینجا پارامتر طول گام مدنظرقرارگرفته است.
اگر وزن مقدار کمی متفاوت شود، وزن مطلوب تحت تأثیر قرار میگیرد؛ پس اگر واریانس بزرگ باشد، متوسط غیردقیق خواهد بود. این امر به دلیل عدم انتخاب مقدار مناسب اندازه گام μ است. اندازه گام کوچک میتواند خطاي حالت ماندگار راکاهش دهد، اما نرخ همگرایی کوچک خواهد بود. اندازه گام بزرگترمیتواند موجب سرعت بخشیدن به نرخ همگرایی شود، اما درعینحال خطاي حالت ماندگار را افزایش میدهد.[4] راهکار تنظیم گام در الگوریتم تا حدي پیشرفته است، اما میدانیم هنگامیکه خطاي الگوریتم تقریباً صفراست گام بهشدت تغییر میکند، همانطور که ممکن است خطاي حالت ماندگار را افزایش دهد.[10] اما تغییرات بیشتر در اندازه گام، میتواند خطاي ذکرشده در بالا را بهبود بخشد؛ لذا این امر منجر به کاهش نویز میشود.
.2 فیلتر وفقیLMS
گابور اولین کسی بودکه فیلترهاي وفقی را در سريهاي ولترا به کاربرد. یک فیلتروفقی، بهعنوان یک سیستم خودطراحی تعریف میشود که جهت عملیات شبه یک الگوریتم بازگشتی نیازمنداست. دربسیاري ازمسائل عملی، ممکن است ابهام زیادي دربعضی پارامترها، به خاطر ناکافی بودن اطلاعات گذشته داشته باشیم. دربعضی ازپارامترها هم، ممکن است انتظار تغییرپذیري بازمان راداشته باشیم ولی این تغییرات قابل پیشبینی نیستند. دراین موارد، مطلوب ماست که فیلتري را طراحی کنیم بهطوريکه خودتطبیق باشد و بتواندخودش را باتغییرات وفق دهد. الگوریتم LMS - حداقل میانگین مربعات - یک روش جستجو براي تغییرات ضرایب فیلتراست که اولین بار توسط ویدروهف - 1960 - موردبحث قرارگرفت. ضرایب فیلتر وفقی طوري تنظیمشده، تا به ازاي تغییرات سیگنال ورودي، براي سیگنال خروجی یا پارامترهاي سیستم جبران سازي انجام دهد.
بهجاي سخت و ثابت بودن، سیستم وفقی میتواند مشخصات سیگنال را یاد بگیرد و تغییرات آرام آن را دنبال کند.فیلترهاي وفقی به دو دسته تقسیم میشوند: خطی و غیرخطی. [18]فیلتروفقیLMS به دلیل محاسبات آسان و انعطافپذیري آن در سراسر جهان مورداستفاده قرار گرفته است.کاربردهاي عملی بسیار زیادي وجود دارد که در آن سیگنالی مطلوب وجود دارد و بر اساس آن سیستم علاقهمند است تا به ازاي سیگنال ورودي، سیگنالی را که در خروجی دریافت میکند، مشابه با این سیگنال مطلوب باشد. ازآنجاییکه فیلتر وفقی قادر است خود را با تغییرات محیط وفق دهد، میتوان از آن در شاخههاي گوناگونی مانند کنترل، مخابرات، پردازش سیگنالهاي صوتی و رادار، حذف تداخل، کنترل نویز، مهندسی پزشکی، هوافضا و غیره استفاده کرد.
در تمامی این کاربردها وزنهاي فیلتر سازگار با توجه به سیگنال مطلوب، در هر بار اجرا، الگوریتم خود را اصلاحکرده و مقادیر متفاوتی را اختیار خواهند کرد. با این دیدگاه میتوان کاربردهاي فیلتر سازگار را به چهار دسته کلی تقسیم کرد: شناسایی سیستم، مدل سازي معکوس، پیشگویی خطی، حذف تداخل و نویز.در پژوهش حاضر کاربرد حذف نویز این فیلترها بهکارگیري شده است. حذف نویز با توجه به نوع سیگنال مزاحمی که باید حذف شود، نظیر: نویز، اکوي صوتی و یا سیگنالهاي مزاحم دیگر. داراي زیرشاخههاي بسیار زیادي است که همگی با کمک فیلترهاي وفقی و باهدف جداسازي سیگنال مطلوب از سیگنال مزاحم ایجاد میشوند. در این روش هدف اصلی در حذف نویز، به دست آوردن تخمینی از سیگنال مزاحم و کسر آن از سیگنالی است که ترکیبی از پیام اصلی و تداخل شده است.
درواقع حذف نویز به این روش تنها در صورتی امکانپذیر است مرجع اصلی که تداخل از آن تولید میشود در اختیار باشد. شکل - 2 - شماي ساده و کلی از حذف تداخل را نشان میدهد. همانطور که در شکل نشان دادهشده است در این ساختار دو نوع سیگنال ورودي اولیه و مرجع وجود دارد. سیگنال ورودي اولیه، همان سیگنال مطلوب آغشته به تداخل است و سیگنال مرجع نیز از منبع ایجاد اغتشاش تولیدشده است. فیلتر سازگار به این منظور بکار میرود تا تخمینی از سیگنال تداخل موجود در سیگنال ورودي اولیه را در خروجی نشان دهد. در آخر هم با کسر خروجی فیلتر یا همان سیگنال تداخل تخمین زدهشده ازسیگنال ورودي اولیه، سیگنال مطلوب به دست خواهد آمد.
