ДИПЛОМНАЯ РАБОТА.ppt
- Количество слайдов: 21
ДИПЛОМНАЯ РАБОТА Тема: Исследование и разработка алгоритма подавления внешних помех типа эхо-сигналов в системе телекоммуникации Автор работы: М. С. Прохоркин Руководитель работы: Ю. А. Кропотов
Цель дипломной работы Целью дипломной работы является исследование и разработка алгоритма подавления внешних помех типа эхо-сигналов в системе телекоммуникации. Акустические эхо-сигналы и помехи являются факторами, влияющими на качество функционирования и устойчивость систем технологической связи и оповещения. В качестве тестовых сигналов по заданию должны быть использованы искусственно синтезированный эхо-сигнал, искусственно синтезированная акустическая (гармоническая) помеха и сигнал, полученный при проведении натурного эксперимента. Объектом исследования являются алгоритмы адаптивной компенсации помех. Предметом исследования являются характеристики алгоритмов компенсации помех и эха. При этом поставлена задача анализа компенсации: эхо-сигнала, синусоидальной помехи, белого шума. Целью исследования является установление зависимости качества компенсации указанных помех от их характера, мощности и дрейфа параметров. Алгоритмы формирования эхо-сигналов и помех должны, при необходимости, моделировать медленное изменение (дрейф параметров) акустической обстановки. Алгоритмы компенсации разрабатываются в процессе выполнения работы. Искусственно синтезированный сигнал предназначен как для моделирования системы связи, так и для использования в качестве тестового сигнала для оценивания акустических характеристик объекта на этапе наладки оборудования.
Постановка задачи адаптивной компенсации эхо-сигналов и помех а) б) Рисунок 1 - Тракты систем громкоговорящей связи
Рисунок 2 - Абонентское устройство громкоговорящей связи
Сигнал от удаленного абонента Абонент x(k) 2 -проводный канал Адаптивный фильтр, h. N(k) Сигнал к удаленному абонентуподавленное эхо Гибридная схема , w Оценка эхо-сигнала e(k) Неподавленное эхо Рисунок 4 - Подавление эхо-сигналов
Z-1 h 0(k-1) x(k-2) x(k-1) x(k) X h 1(k-1) x(k-Т+2) Z-1 X h 2(k-1) Z-1 X h. N-2(k-1) X h. N-1(k-1) X e(k) Адаптивный алгоритм Рисунок 5 - Адаптивный фильтр
Алгоритмы формирования эхо-сигналов и помех Рисунок 7 - Реализация прямой формы конечной импульсной характеристикой фильтра Рисунок 8 - Эхо-сигнал
Алгоритмы адаптивной компенсации эхо-сигналов и помех 1)Многоканальные RLS-алгоритмы с квадратичной вычислительной сложностью Адаптивный фильтр функционирует на основе алгоритмов, минимизирующих энергию ошибок между требуемым d(k) и выходным y(k) сигналами. Результатом такой минимизации является вектор весовых коэффициентов адаптивного фильтра: где λ – параметр экспоненциального взвешивания сигналов. Длина скользящего окна L, выраженная числом отсчётов, определяется интервалом стационарности обрабатываемых сигналов.
2)LMS(Least Mean Square, метод наименьших квадратов) При использовании данного способа оптимизации вектор коэффициентов фильтра w(k) должен рекурсивно обновляться следующим образом: где µ — положительный коэффициент, называемый размером шага. Показано, что алгоритм сходится , если , 0< µ< 2/ λmax, где λmax - максимальное собственное число корреляционной матрицы R. Скорость сходимости при этом зависит от разброса собственных чисел корреляционной матрицы R — чем меньше отношение λmax / λmin , тем быстрее сходится итерационный процесс. Однако для расчета градиента необходимо знать значения матрицы R и вектора p. На практике могут быть доступны лишь оценки этих значений, получаемые по входным данным. Простейшими такими оценками являются мгновенные значения корреляционной матрицы и вектора взаимных корреляций, получаемые без какого-либо усреднения: При использовании данных оценок формула (2. 1) принимает следующий вид: Выражение, стоящее в скобках, согласно (2. 5), представляет собой разность между образцовым сигналом и выходным сигналом фильтра на k-м шаге, то есть ошибку фильтрации e(k). С учетом этого выражение для рекурсивного обновления коэффициентов фильтра оказывается очень простым: Алгоритм адаптивной фильтрации, основанный на формуле (2. 6), получил название LMS (Least Mean Square, метод наименьших квадратов).
Программная реализация алгоритмов формирования и компенсации Рисунок 9 -Лицевая панель ВП
Рисунок 10 -Блок-диаграмма ВП
Рисунок 11 -Блок-диаграмма ВП
Рисунок 12 -Блок-диаграмма ВП
Рисунок 13 -Блок-диаграмма ВП
Рисунок 14 -Блок-диаграмма ВП
Результаты исследования Рисунок 15 - «Чистый» сигнал Рисунок 16 - Эхо-сигнал и помехи Рисунок 17 - Сложение «Чистого» сигнала с эхо-сигналом и помехами
Рисунок 18 - Результат компенсации RLS-алгоритма при длине фильтра 500 и задержке сигнала 0, 1 секунды Рисунок 20 - Результат компенсации LMS-алгоритма при длине фильтра 500 и задержке сигнала 0, 1 секунды Рисунок 19 - Результат компенсации Рисунок 21 - Результат компенсации RLS-алгоритма при длине фильтра 500 LMS-алгоритма при длине фильтра 500 и задержке сигнала 0, 1 секунды
Таблица 1 - Результаты компенсации Таблица 2 - Результаты компенсации RLS-алгоритма LMS-алгоритма Время задержки Длина фильтра ERLE (секунды) Время задержки Время настройки фильтра (секунды) Длина фильтра 1 50 0, 1 19, 5193 0, 0251 1 2 100 0, 1 19, 5126 0, 09667 2 3 150 0, 1 19, 5048 0, 2299 3 4 200 0, 1 19, 5044 0, 38443 4 5 250 0, 1 19, 4967 0, 734967 6 300 0, 1 19, 4848 2, 36963 7 400 0, 1 19, 4701 5, 38172 8 500 0, 1 19, 4589 8, 74905 9 600 0, 1 19, 4426 13, 4713 10 50 0, 2 20, 8875 0, 02568 5 6 7 8 9 10 11 11 100 0, 2 20, 9068 0, 09608 12 150 0, 2 20, 926 0, 228 13 200 0, 2 20, 9495 0, 42154 13 14 250 0, 2 20, 96 0, 75117 14 15 300 0, 2 20, 9609 2, 37631 15 16 400 0, 2 20, 9601 5, 41432 16 17 500 0, 2 20, 94 8, 49997 17 18 600 0, 2 20, 9164 13, 0682 18 19 50 0, 3 19, 2274 0, 02469 19 20 100 0, 3 19, 2301 0, 09541 20 21 150 0, 3 19, 2388 0, 24525 21 22 200 0, 3 19, 2373 0, 44032 22 23 250 0, 3 19, 2312 0, 7951 23 24 300 0, 3 19, 2247 2, 50951 24 25 400 0, 3 19, 2083 5, 48785 25 26 500 0, 3 19, 1907 9, 21909 26 14, 0193 27 27 600 0, 3 19, 1682 ERLE (секунды) 12 Время настройки фильтра (секунды) 50 0, 1 35, 2243 0, 073 100 0, 1 38, 326 0, 08 150 0, 1 40, 0647 0, 13 200 0, 1 41, 3058 0, 165 250 0, 1 42, 2404 0, 215 300 0, 1 42, 9827 0, 264 400 0, 1 44, 1041 0, 292 500 0, 1 44, 9939 0, 357 600 0, 1 45, 6057 0, 423 50 0, 2 33, 3798 0, 061 100 0, 2 36, 5237 0, 094 150 0, 2 38, 4138 0, 379 200 0, 2 39, 7425 0, 149 250 0, 2 40, 7894 0, 205 300 0, 2 41, 6366 0, 235 400 0, 2 42, 7577 0, 303 500 0, 2 42, 7577 0, 303 600 0, 2 43, 5261 0, 453 50 0, 3 30, 0734 0, 065 100 0, 3 33, 2813 0, 084 150 0, 3 35, 3123 0, 117 200 0, 3 36, 766 0, 169 250 0, 3 37, 8697 0, 218 300 0, 3 38, 7583 0, 225 400 0, 3 40, 1122 0, 289 500 0, 3 41, 266 0, 389 600 0, 3 42, 2123 0, 469
Рисунок 22 – Результаты обработки RLS и LMS алгоритма при задержки сигнала от 0, 1 до 0, 3 секунд
Рисунок 23 – Результаты обработки RLS и LMS алгоритма при задержки сигнала от 0, 1 до 0, 3 секунд
Заключение В результате выполнения дипломной работы были исследованы и разработаны алгоритмы подавления внешних помех типа эхо-сигналов в системе телекоммуникации. Исследование показало, что применение адаптивной фильтрации даже при низкой амплитуде образцового входного сигнала и многократном превышении шума над полезной составляющей в измеренном сигнале позволяет получить искомый очищенный от шума сигнал без искажений. Необходимый порядок фильтров компенсации помех и эха с задержкой от 0, 1 до 0, 3 во всех рассмотренных случаях составил величину равную 300. При этом если по степени подавления помех и эха оказалось, что алгоритм RLS превосходит алгоритм LMS, то по скорости настройки имеет место обратное соотношение. При отсутствии априорной или полученной из наблюдений оценки задержки необходимый порядок фильтра растет пропорционально ее величине и может достигать величины равной 3000 – 5000. Наличие же указанной информации сокращает эту величину до приведенного выше значения. Данная зависимость подтверждена и результатами модельных экспериментов в системе Lab. VIEW. Уровень компенсации, достигаемый с помощью алгоритма RLS, предполагает стационарность наблюдаемых случайных процессов и, естественно, наличие оценки их ковариационной функции. Для нестационарных процессов эта оценка является двумерной функций, а ее нахождение осложняется множеством непредсказуемых обстоятельств. Это заставляет отдать предпочтение алгоритму LMS, тем более что потеря точности при его использовании находится в допустимых пределах. Полученные результаты полностью решают поставленную техническим заданием задачу. Все вышеприведённое может также рассматриваться как демонстрация возможностей системы Lab. VIEW не только при решении поставленной задачи, но при решении значительно более широкого круга задач.
ДИПЛОМНАЯ РАБОТА.ppt