حذف نویز صوتی تناوبی با روش فعال و هوشمند

نوع مقاله: مقاله مستقل

نویسندگان

1 دانشجو دکتری - دانشگاه شیراز

2 استادیار - دانشگاه شیراز

3 دانشگاه شیراز - استاد

چکیده

در این تحقیق، روشی جدید مبتنی بر تکنیکهای یادگیری تقویتی با تکیه بر روش تفاوت زمانی صفر در مبحث یادگیری تقویتی، برای حذف نویز صوتی به صورت فعال در سیگنالهای باند باریک ارائه گردیده است. برای پیاده سازی این روش مبتنی بر فیدبک، اطلاعاتی از دینامیک مسیر اولیه و ثانویه لازم نمی باشد و در نتیجه این روش نسبت به تغییر این پارامترها به صورت مقاوم عمل می نماید. حجم بسیار کم محاسبات ریاضی و حافظه بسیار اندک محاسبات، از دیگر مزایای روش پیشنهادی می باشد. بدین منظور در اولین گام با انجام تعاریف مناسب برای متغیرهای حالت، اعمال ممکن و سیگنال پاداش، مساله به یک مساله مناسب برای حل توسط یادگیری تقویتی تبدیل شده و با روش یادگیری کیو حل می گردد. در گام بعدی با استفاده از اطلاعات به دست آمده از مدل سازی در حوزه فرکانس، مساله ساده گردیده و با روش تفاوت زمانی صفر مساله حل خواهدگردید. آخرین مرحله پیشنهاد، یک روش چند سطحی می باشد که در این روش اخیر بدون نیاز به بالاتر بردن حافظه مورد نیاز می توان دقت را تا مقدار لزوم افزایش داد. عملکرد مناسب این روش و میزان بهبود روش چند سطحی نسبت به روش یادگیری کیو توسط شبیه سازی نشان داده شده است.

کلیدواژه‌ها

موضوعات


[1] Russell S, Norvig P (2009) Artificial Intelligence: A Modern Approach: Prentice Hall.

[2] Sutton R, Barto A (1998) Reinforcement Learning:An Introduction. Cambridge, MA: MIT Press.

[3] Kaelbling LP, Littman LM, Moore AW (1996) Reinforcement learning: A survey. Journal of Artificial Intelligence Research 4: 237–285.

[4] Kuo SM, Morgan DR (1999) Active noise control: a tutorial review. in IEEE Proceedings 87: 943-973.

[5] Raeisy B, Golbahar Haghighi S (2012) Active Noise Controller with Reinforcement Learning. presented at the The 16th CSI International Symposiums on Artificial Intelligence & Signal Processing (AISP 2012): 74-79, Shiraz, IRAN.

[6] Zhou YL, Zhang QZ, Li XD, Gan WS (2005) Analysis and DSP implementation of an ANC system using a filtered-error neural network. Journal of Sound and Vibration 285: 1–25.

[7] Qizhi Z, Yongle J (2002) Active noise hybrid feedforward/feedback control using neural network compensation. Journal of vibration and acoustics 124: 100-104.

[8] Watkins CJCH (1989) Learning from delayed rewards. PhD Thesis.

[9] Zhou YL, Zhang QZ, Li XD, Gan WS (2008) On the use of an SPSA-based model free feedback controller in active noise control for periodic disturbances in a duct. Journal of Sound and Vibration 317: 456–472.