nghiên cứu và mô phỏng hệ thống triệt nhiễu dùng bộ lọc thích nghi vàmạng nơron

Đề tài: “Triệt nhiễu dùng bộ lọc thích nghi và mạng nơron” tập trung vào phương pháp triệt nhiễu cổ điển và hiện đại, gồm các phần sau: Chương 7: Kết luận và hướng phát triển So sánh

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT

THÀNH PHỐ HỒ CHÍ MINH

ĐỀ TÀI NCKH CẤP SINH VIÊN

NGHIÊN CỨU VÀ MÔ PHỎNG

HỆ THỐNG TRIỆT NHIỄU

S KC 0 0 1 1 8 8

KHOA ĐIỆN TỬ

-oOo -

Đề Tài Nghiên Cứu Khoa Học

NGHIÊN CỨU VÀ MÔ PHỎNG HỆ THỐNG TRIỆT NHIỄU DÙNG

BỘ LỌC THÍCH NGHI VÀ MẠNG NƠRON

GIỚI THIỆU

Mạng nơron là sự kết hợp của nhiều đặc trưng của nhiều khoa học cơ bản như sinh học, vật lí, tâm lí học, thần kinh học Kĩ thuật này hoạt động thông qua sự kết nối những phần tử tính toán với nhau Do vậy, cơ cấu mạng nơron nhân tạo dựa trên sự hiểu biết của chúng ta về hệ thống thần kinh trong lĩnh vực sinh vật học

Mạng nơron gồm nhiều phần tử và chúng được kết nối với nhau Mối quan hệ của một phần tử với các phần tử khác được biểu diễn bởi trọng số của phần tử đối với các phần tử khác trong mạng

Mạng nơron được đặc trưng bởi cấu trúc, sự sắp xếp các phần tử, đặc tính của mỗi phần tử và các luật học, huấn luyện của nó Luật này ban đầu khởi tạo một bộ các trọng số đồng thời đưa ra các phương thức thay đổi các trọng số để tăng cường mối quan hệ giữa các phần tử

Mạng nơron mang lại nhiều lợi ích to lớn, đặc biệt là độ chính xác cao và sai số chấp nhận được Do mạng nơron gồm nhiều phần tử và các phần tử này hoạt động đồng thời nên nếu một vài phần tử bị lỗi thì mạng vẫn hoạt động tốt và kết quả không

bị ảnh hưởng đáng kể

Mạng nơron có nhiều triển vọng được áp dụng trong các lĩnh vực như nhận diện tiếng nói, xử lí ảnh và triệt nhiễu

Triệt nhiễu là một trong những vấn đề hấp dẫn, có ý nghĩa to lớn trong các hệ

thống thông tin nhưng nó cũng phức tạp đòi hỏi sự đầu tư lớn Đề tài: “Triệt nhiễu

dùng bộ lọc thích nghi và mạng nơron” tập trung vào phương pháp triệt nhiễu cổ điển

và hiện đại, gồm các phần sau:

Chương 7: Kết luận và hướng phát triển

So sánh ưu, nhược điểm của các giải thuật triệt nhiễu thông qua kết quả mô phỏng độ lớn hàm sai số cho từng giải thuật Các giải thuật cổ điển như LMS, RLS, NLMS cho kết quả tương đối tốt đặc biệt là giải thuật NLMS Tuy nhiên, giải thuật dùng mạng nơron cho kết quả tốt nhất và triển vọng nhất

MỤC LỤC

Trang

Chương 1: Dẫn nhập 1

1.1 Đặt vấn đề 1

1.2 Tầm quan trọng của đề tài 1

1.3 Mục đích nghiên cứu 1

1.4 Giới hạn đề tài 1

Chương 2: Triệt nhiễu thích nghi 2

2.1 Giới thiệu về triệt nhiễu thích nghi 2

2.2 Hoạt động của triệt nhiễu thích nghi 2

2.3 Ứng dụng thực tế của triệt nhiễu thích nghi 3

Chương 3: Bộ lọc số 4

3.1 Bộ lọc số 4

3.2 Bộ lọc FIR 4

3.2.1 Khái niệm 4

3.2.2 Các mô hình của hệ thống FIR 5

3.3 Bộ lọc IIR 9

3.3.1 Khái niệm 9

3.3.2 Các mô hình của hệ thống IIR 9

3.4 Ưu điểm và nhược điểm của bộ lọc FIR và IIR 15

Chương 4: Mạng nơron 16

4.1 Cấu trúc bộ não người 16

4.2 Mô hình một nơron 16

4.3 Các hàm truyền thông dụng 17

4.4 Cấu trúc mạng nơron 17

Chương 5 : Các giải thuật triệt nhiễu 19

5.1 Đặt vấn đề 19

5.1.1 Giới thiệu 19

5.1.2 Lọc thích nghi và triệt nhiễu thích nghi 19

5.2 Giải thuật LMS 20

5.3 Giải thuật RLS 20

5.4 Giải thuật NLMS hay ABNS 21

5.5 Giải thuật dùng mạng nơron 21

Chương 6: Mô phỏng 24

6.1 Đặt vấn đề 24

6.2 Lưu đồ giải thuật 24

6.2.1 Lưu đồ chương trình chính 24

6.2.2 Lưu đồ chương trình con 25

6.3 Kết quả mô phỏng 27

6.3.1 Giải thuật LMS 27

6.3.2 Giải thuật RLS 28

6.3.3 Giải thuật NLMS 28

6.3.4 Giải thuật dùng mạng nơron 29

6.3.5 Tổng hợp các giải thuật 29

Chương 7: Kết luận và hướng phát triển 31

7.1 Kết luận 31

7.2 Hướng phát triển 31

PHỤ LỤC – TÀI LIỆU THAM KHẢO

Chương 1 DẪN NHẬP

1.1 Đặt vấn đề

trao đổi thông tin với nhau và tiếp cận các thông tin một cách nhanh nhất Trong khi tất cả các dạng thông tin đều phải được truyền tải qua các kênh truyền nhất định, mà trên kênh truyền luôn tồn tại nhiều loại nhiễu khác nhau Do đó, tín hiệu thu được sau khi qua kênh truyền không còn nguyên vẹn như cũ mà đã bị thay đổi nhiều hay ít tùy theo sự phân bố nhiễu trên đường truyền Vậy làm thế nào để thông tin được truyền đi

mà không bị sai lệch về nội dung và không bị méo dạng Để khắc phục được vấn đề này thì cần phải có một bộ lọc có khả năng tự điều chỉnh hay tự thích nghi được với sự biến thiên của tín hiệu nhiễu để loại chúng ra khỏi tín hiệu

Hiện nay, với sự phát triển vượt bậc của khoa học kỹ thuật đặc biệt là trong lĩnh vực thông tin cùng với tốc độ xử lý của máy tính không ngừng được nâng cao, thì vấn

đề trên hoàn toàn có thể thực hiện được thông qua các giải thuật triệt nhiễu thích nghi

LMS, RLS, NLMS và mạng nơron

1.2 Lý do chọn đề tài

không ít đến nhu cầu của con người Nên làm thế nào để loại trừ những ảnh hưởng bất lợi này, điều này là một vấn đề thu hút nhóm đi tìm hiểu về các phương pháp triệt nhiễu và đã chọn cho mình được phương pháp đơn giản và ứng dụng nhiều trong thực

tế là triệt nhiễu dùng bộ lọc thích nghi và mạng nơron

1.3 Tầm quan trọng của đề tài

Đề tài có một vị trí quan trọng trong thực tiễn, do trong hầu hết các môi trường luôn có sự hiện diện của tín hiệu nhiễu nên cần có các biện pháp để khắc phục hay hạn chế bớt ảnh hưởng của nhiễu để thông tin được thu lại tốt hơn Các giải pháp triệt nhiễu này được ứng dụng rộng rãi trong hầu hết các nơi cần có độ chính xác thông tin cao như trong lĩnh vực truyền tin: điện thoại, thiết bị y tế, thu tiếng nói,… Ngoài ra các giải thuật triệt nhiễu đơn giản và dễ thực hiện

1.4 Mục đích nghiên cứu

Tìm hiểu về bộ lọc số, các mô hình triệt nhiễu sử dụng bộ lọc thích nghi Tiến hành xây dựng và mô phỏng chương trình triệt nhiễu thích nghi sử dụng các giải thuật LMS, RLS, NLMS và mạng nơron với sự hỗ trợ của matlab 7 Xác định lỗi của từng phương pháp Nhận xét và so sánh các phương pháp với nhau

1.4 Giới hạn đề tài

Trong một pham vi hẹp nhóm thực hiện không đi sâu vào việc tìm hiểu các giải thuật mà đi vào ứng dụng các giải thuật đã nêu để xây dựng chương trình mô phỏng, qua đó xác định thông số lỗi của từng phương pháp Dữ liệu được sử dụng là tín hiệu dạng hình sin Nhiễu đường truyền chủ yếu là nhiễu ngẫu nhiên với biên độ tương đối nhỏ

Chương 2 TRIỆT NHIỄU THÍCH NGHI

2.1 Giới thiệu về triệt nhiễu thích nghi

Một hệ thống triệt nhiễu đơn giản được chỉ ra trong hình 2.1

Hình 2.1: Hệ thống triệt nhiễu

Phương pháp triệt nhiễu nguyên thủy bị giới hạn, bởi vì tín hiệu nhiễu tại cảm biến tham khảo không giống hoàn toàn với tín hiệu nhiễu đến cảm biến chính sau khi qua bộ lọc hay bộ làm trễ Trong trường hợp xấu hơn, có thể dẫn đến việc làm tăng công suất trung bình của nhiễu ở ngõ ra Với hệ thống triệt nhiễu thích nghi thì hoàn toàn có thể khắc phục được các vấn đề trên, do triệt nhiễu thích nghi có thể tạo ra một tín hiệu lỗi ước lượng gần giống tín hiệu lỗi tồn tại cùng với tín hiệu và do đó có thể loại bỏ tín hiệu nhiễu và thu được tín hiệu mong muốn, hình 2.2

Hình 2.2: Bộ triệt nhiễu thích nghi

2.2 Hoạt động của triệt nhiễu thích nghi

Nguyên lý hoạt động cơ bản của bộ triệt nhiễu thích nghi là ước lượng tín hiệu nhiễu có trong tín hiệu đã cho và loại nó ra khỏi tín hiệu để thu được tín hiệu không nhiễu như mong muốn

Một bộ triệt nhiễu thích nghi cơ bản có hai ngõ vào, một ngõ vào từ nguồn tín hiệu thông qua cảm biến chính và một ngõ vào từ nguồn nhiễu thông qua cảm biến tham khảo (hình 2.2)

Cảm biến chính ngoài việc thu tín hiệu S(n) từ nguồn tín hiệu nó còn thu một phần tín hiệu từ nguồn nhiễu sau khi đã được làm trể hay qua một bộ lọc HN(n)

Tín hiệu thu được tại cảm biến chính = S(n) + HN(n)

Cảm biến tham khảo thu tín hiệu nhiễu N(n) và đưa đến bộ lọc thích nghi.Bộ lọc thích nghi tạo ra tín hiệu ước lượng lH N n( ) từ N(n) với là ước lượng của H lH

Ngõ ra là tổng hợp hai tín hiệu: tín hiệu thu được từ cảm biến chính và tín hiệu ước lượng tạo ra từ bộ lọc thích nghi:

( ) ( ) ( ) l ( ) ( ) ( l) ( ) ( )

S n =S n +HN n −H N n =S n + H H N n− =e n

Tín hiệu ngõ ra =

Từ công thức trên ta nhận thấy, để thu được tín hiệu mong muốn S(n) thì thành

xem như một tín hiệu lỗi và được đưa về điều chỉnh hệ số của bộ lọc thích nghi để tạo

ra tín hiệu

l(H H N n− ) ( )

l ( ) ( )

H N n ≈HN n , khi đó tín hiệu ngõ ra được triệt bớt nhiễu và đạt được tín hiệu như mong muốn

2.3 Ứng dụng thực tế của triệt nhiễu thích nghi

2.3.1 Điều khiển nhiễu tích cực trong ống dẫn hẹp

Hệ thống triệt nhiễu thích nghi có thể ứng dụng cho mục đích triệt nhiễu trong các ống dẫn hẹp như ống dẫn khí và hệ thống thông gió, được mô tả ở hình 2.3

Hình 2.3: Triệt nhiễu tích cực trong một ống dẫn hẹp

2.3.2 Điều khiển nhiễu thích nghi trong máy bay phản lực

Động cơ của một máy bay có thể sinh ra nhiễu với mức trên 140 dB Trong khi tiếng nói của người bình thường chỉ ở mức 30 - 40dB, cho nên tiếng nói trong máy bay hầu như không nghe được Một cơ sở đơn giản của hệ thống triệt nhiễu trong máy bay được minh họa ở hình 2.4

Hình 2.4: Hệ thống điều khiển nhiễu thích nghi trong một máy bay phản lực

Chương 3

BỘ LỌC SỐ

3.1 Bộ lọc số

vào các thuật toán số, một dạng cấp cao của tín hiệu Bộ lọc số tương phản với bộ lọc tương tự, bộ lọc tương tự hoạt động hoàn toàn trên lĩnh vực tương tự và phải dựa vào những mạng vật lý của các linh kiện điện tử như: điện trở, tụ điện, transistor, …, để đạt được hiệu quả lọc như mong muốn

Ưu điểm của bộ lọc số:

Ví dụ: để tạo một bộ lọc thông thấp tần số 1000Hz, thì bộ lọc số hoàn toàn có thể cho qua tín hiệu tần số 999Hz, nhưng có thể khoá một tín hiệu 1001Hz, trong khi một bộ lọc tương tự khó có thể thực hiện được điều này

số SNR (signal-to-noise ratio) tốt hơn bộ lọc tương tự Do tại những tầng trung gian,

bộ lọc tương tự có thể cộng nhiễu vào tín hiệu, còn bộ lọc số thực hiện được những thuật toán triệt nhiễu tại mỗi tầng trung gian trong quá trình truyền tín hiệu thông qua việc chuyển đổi tín hiệu ADC

Nhược điểm của bộ lọc số:

- Giá cả: giá bộ lọc số cao hơn so với bộ lọc tương tự

Các loại bộ lọc số: lọc số có nhiều loại khác nhau, xong có thể kể đến hai loại

phổ biến sau:

- FIR (Finite Impulse Response): bộ lọc có đáp ứng xung hữu hạn

- IIR (Infinite Impulse Response): bộ lọc có đáp ứng xung vô hạn

3.2 Bộ lọc FIR

3.2.1 Khái niệm

Một hệ thống FIR được mô tả bởi biểu thức:

(3-1)

Hoặc được mô trả bởi hàm truyền:

sau:

(3-2)

(3-3) trường hợp khác

3.2.2 Các mô hình của hệ thống FIR

3.2.2.1 Mô hình trực tiếp (Direct-Form Realization)

(3-4)

Sơ đồ khối:

Hình 3.1: Mô hình dạng trực tiếp của hệ thống FIR

Cấu trúc này cần có (M – 1) vị trí nhớ tương ứng với (M – 1) ngõ vào trước đó,

và cần có một tổ hợp gồm M bộ nhân và M – 1 bộ cộng cho một ngõ ra Ngõ ra bao gồm sự kết nối tuyến tính của (M – 1) giá trị trước của ngõ vào và giá trị hiện tại của ngõ vào Mô hình trực tiếp còn được gọi là bộ lọc theo chiều ngang hoặc bộ lọc có nhánh rẻ

được nhóm thành từng cặp để tạo nên một hệ thống FIR bậc hai có dạng (3-7) và là những cặp nghiệp phức hợp để các hệ số {bki } có giá trị thực

3.2.2.3 Mô hình lấy mẫu tần số (Frequency – Sampling)

Mô hình lấy mẫu tần số là một dạng cấu trúc của bộ lọc FIR, trong đó các thông

số đặc trưng cho bộ lọc là những giá trị có đáp ứng tần số mong muốn thay thế cho đáp ứng xung h(n) Đáp ứng tần số mong muốn tại những tần số cách đều nhau được xác định bới:

Bộ lọc thứ nhất là lọc toàn zero có hàm truyền:

Bộ lọc thứ hai với hàm truyền:

Cấu trúc của bộ lọc lấy mẫu tần số có thể được đơn giản hoá bằng cách tận dụng

sự đối xứng của H(k + α), ta được H(k) = H*(M – k) với α = 0 và H(k+½)=H*(M – k–

½) với α = ½

Hình 3.3: Mô hình Frequency – Sampling của bộ lọc FIR

{αm(k)} miêu tả hệ số dự đoán Tín hiệu âm được định nghĩa x n( ) được sử dụng cho phù hợp với lý thuyết trong kỹ thuật Chuỗi tín hiệu ngõ ra y(n) có thể được mô tả như sau:

(3-11)

(3-12)

Ngõ ra của bộ lọc FIR được cho bởi phương trình trên có thể được hiểu như một

dạng trực của bộ lọc ước lượng FIR được chỉ ra trong hình 3.4

Hình 3.4: Mô hình dạng trực tiếp của bộ lọc ước lượng FIR

Hình 3.5: Bộ lọc lưới đơn tầng

tiếp như sau:

Hoặc được mô tả bởi hàm truyền:

Từ hàm truyền H(z) ta có các cực và các zero của hệ thống Các cực và zero phụ thuộc vào sự lựa chọn thông số hệ thống { }b k và { }a k và chúng xác định đặc điểm đáp ứng tần số của hệ thống

3.3.2 Các mô hình của hệ thống IIR

(M + N) bộ cộng và (M+N-1) vị trí nhớ

mới hình thành, công thức cho bộ lọc toàn cực là:

canonic

Hình 3.7: Mô hình dạng trực tiếp I

Hình 3.8: Mô hình dạng trực tiếp II (N=M)

3.3.2.2 Cấu trúc dạng graph tín hiệu và chuyển vị

Một graph diễn tả một sự thay đổi về sự biểu diễn vật lý tương đương thành một cấu trúc dạng khối sử dụng để minh hoạ cho các mô hình hệ thống khác nhau Những thành phần cơ bản của graph là các nhánh và nút Một graph tín hiệu là tập hợp những nhánh thẳng kết nối tại những nút.Tín hiệu ngõ ra của một nhánh được tín bằng

số lần độ lợi nhánh tín hiệu trên mỗi nhánh, và tín hiệu tại mỗi nút của một graph được tín bằng tổng tín hiệu từ tất cả các nhánh liên kết đến nút

(a)

(b)

Hình 3.9: (a): Cấu trúc bộ lọc bậc hai, (b): graph tín hiệu của (a)

Nếu đảo chiều tất cả hàm truyền của nhánh và thay đổi ngõ vào và ngõ ra trong graph, thì hàm truyền hệ thống vẫn không đổi Kết quả của cấu trúc này được gọi là

cấu trúc chuyển vị hoặc dạng chuyển vị

(a)

(b)

Hình 3.10: (a): flow graph tín hiệu của cẩu trúc chuyển vị, (b): mô hình

3.3.2.3 Mô hình dạng Cascade

Một hệ thống IIR bậc cao với hàm truyền hệ thống được cho bởi (3-2) Chúng ta

bậc hai, như H(z) có thể được biểu diễn bởi công thức:

N M≥

(3-25)

(3-26)

một trường hợp của hệ thống FIR cơ bản dựa vào một mô hình dạng cascade, thông số

độ lợi G có thể được phân bố đều nhau giữa các phần của bộ lọc K để G G G= 1 2 G K

liên hợp phức với nhau và nhóm từng cập zero liên hợp phức hoặc các zero giá trị thực với nhau để hình thành một hệ thống con của mô hình được cho bởi (3-26) và có thể thực hiện được một cách riêng biệt

Hình 3.11: Cấu trúc dạng trực tiếp II chuyển vị

Bất kỳ hai điểm cực có thể được nhóm lại để hình thành nên một hệ số bậc hai Kết quả, hệ số bậc hai ở mẫu số của (3-26) có thể là những cập nghiệm thực hoặc một cập các nghiệm liên hợp phức, tương tự với tử số của (3-26)

Hình 3.12: Cấu trúc FIR chuyển vị

Mỗi hệ thống con bậc hai với hàm truyền hệ thống dạng (3-26) có thể được mô tả bằng dạng trực tiếp I, hoặc dạng trực tiếp II, hoặc dạng trực tiếp II chuyển vị Từ việc

có nhiều cách để nhóm cập các cực và zero của H(z) thành một cascade của một phần

hệ thống bậc hai, và có nhiều cách để đạt được kết quả của hệ thông con, đều này có thể đạt được một sự đa dạng các mô hình cascade Mặc dù, tất cả các mô hình cascade đều có độ chính xác tương đương nhau, các mô hình đa dạng này có thể khác nhau đáng kể khi bổ xung các số có độ chính xác hạn chế

(a)

(b)

Hình 3.13: Cấu trúc cascade các hệ thống con bậc hai

và mô hình mỗi phần bậc hai

3.3.2.4 Mô hình dạng song song

Một mô hình dạng song song của một hệ thống IIR có thể đạt được bởi một phần

biệt Bằng cách biểu diễn một phần trong phân số khai triển H(z), đạt được kết quả sau:

N M≥

(3-27)

hình 3.14, bao gồm các nhánh song song của các bộ lọc cực đơn

Hình 3.14: Cấu trúc song song của hệ thống IIR

Tổng quát, một vài cực của H(z) có thể là giá trị phức Trong trường hợp, các hệ

cực liên hợp phức để hình thành các hệ thống con hai cực Thêm vào đó có thể kết hợp các cặp cực giá trị thực để hình thành các hệ thống con hai cực Mỗi hệ thống con này

có dạng sau:

(3-28

trên có thể được biểu diễn bởi:

(3-29)

thống cực đơn (vd: bk1 = ak2 = 0)

hiện bởi các dạng trực tiếp hoặc dạng trực tiếp chuyển vị Mô hình dạng song song của

hệ thống FIR được mô tả bởi tập hợp công thức sau:

(3-30) (3-31) (3-32)

3.3.2.5 Cấu trúc lưới và lưới-bậc thang của hệ thống IIR

Một hệ thống toàn cực với hàm hệ thống:

(3-33)

Hình 3.15: Mô hình dạng trực tiếp của hệ thống toàn cực

Hình 3.16: Cấu trúc lưới của hệ thống IIR toàn cực

Hình 3.17: Hệ thống lưới đơn cực và lưỡng cực.

3.4 Ưu điểm và nhược điểm của bộ lọc FIR và IIR

3.4.1 Ưu điểm của bộ lọc FIR so với bộ lọc IIR

- Lọc FIR có thể thiết kế dễ dàng với pha tuyến tính, lọc có pha tuyến tính làm trể tín hiệu ngõ vào nhưng không làm méo pha

- Lọc FIR thực hiện đơn giản hơn Hầu hết các bộ vi xử lý DSP việc tính toán cho bộ lọc FIR có thể được thực hiện với một vòng chỉ dẫn đơn giản

- Lọc FIR thích hợp với nhiều loại ứng dụng với tốc độ khác nhau

- Chúng ta có những đặc tính số học mong muốn Thông thường tất cả bộ lọc DSP phải được thực hiện bằng cách sử dụng số học chính xác hữu hạn, giới hạn số lượng bit Sử dụng số học chính xác hữu hạn trong bộ lọc FIR có thể gây ra những vấn đề quan trọng về sự phản hồi, nhưng bộ lọc FIR không có hồi tiếp,

do đó, chúng có thể được thực hiện với số lượng bit ít hơn, và công việc thiết kế

có ít vấn đề thực tế hơn để xử lý mối liên hệ với số học không lý tưởng

- Chúng có thể được thực hiện với việc sử dụng số học dạng phân số Không như các bộ lọc IIR, nó luôn có thể thực hiện một bộ lọc FIR sử dụng hệ số với một lượng ít hơn 1.0 ( độ lợi toàn hệ thống của bộ lọc FIR có thể điều chỉnh tại ngõ

ra của nó, nếu muốn) Đây là vấn đề quan trọng khi sử dụng điểm cố định của DSP, bởi vì nó thực hiện đơn giản hơn

3.4.2 Nhược điểm của bộ lọc FIR so với bộ lọc IIR

Bộ lọc FIR đòi hỏi nhiều bộ nhớ hơn và sự tính toán để đạt được đặc tính đáp ứng bộ lọc đã cho Cũng như những đáp ứng nào đó không thực hành để thực hiện với các bộ lọc FIR