«Основные фильтрации акустичского шума» - Дипломная работа

Содержание

Введение

1 Особенности построения систем фильтрации акустического шума

1.1 Адаптивная фильтрация

1.2 Фильтрация с использованием декомпозиции сигнала на эмпирические моды

2 Анализ ТЗ

3 Основные фильтрации акустичского шума

3.1 Общая информация о декомпозиции сигнала на эмпирические моды

3.2 Понятие эмпирической моды

3.3 Пошаговое описание алгоритма декомпозиции сигнала на эмпирические моды

3.4 Основные недостатки ДЭМ со сплайновой интерполяцией огибающих. ДЭМ с параболической интерполяцией

3.5 Очистка сигналов от шумов на основе ДЭМ

3.6 Описание алгоритма спектрального вычитания

3.7 Оптимизация метода спектрального вычитания

3.8 Усовершенствование соотношения сигнал-шум

4 Описание структуры модуля фильтрации акустического шума в речевых сигналах

5Программно-аппаратная реализация модуля фильтрации акустического шума в речевых сигналах

5.1 Исходный код программной реализации декомпозиции сигнала на эмпирические моды

6 Анализ результатов проектирования

7 Охрана труда и экологическая безопасность

8Технико-экономическое обоснование дипломного проекта

8.1 Краткая характеристика процессора МДКП

8.2 Расчёт себестоимости и отпускной цены ПО

Заключение

Список использованных источников

Приложение

---

Введение

Определение мгновенных параметров речевого сигнала и редактирование акустического шума актуальная задача, и в данном направлении проводятся активные исследования. Задачи определения мгновенных параметров и редактирования шума важны в таких областях как распознавание речи, идентификация диктора, низкоскоростное кодирование речевых сигналов, улучшение и корректирование речевых сигналов с применением гармонической модели. В последнее время было предложено много методов для решения данных задач, но проблема повышения точности и стабильности их работы всё ещё стоит остро. Главный недостаток современных методов редактирования шума это появление различных артефактов в речевом сигнале, вместе с шумом могут так же исчезнуть некоторые важные для восприятия речи гармоники.

Декомпозиция сигнала на эмпирические моды – это новая методика обработки и анализа речевого сигнала. Метод декомпозиции на эмпирические моды учитывает локальные особенности сигнала (экстремумы и нули сигнала) и структуры сигнала (шумовые, сигнальные и трендовые компоненты). Данный метод подходит для кодирования речевого сигнала, определения мгновенных параметров сигнала, редактирования акустического шума и др.

---

Заключение

В ходе выполнения дипломного проекта был рассмотрены следующие методы обработки и анализа сигнала:

1. Метод декомпозиции сигнала на эмпирические моды.

2. Алгоритм минимальной среднеквадратической ошибки.

3. Алгоритм спектрального вычитания.

В первую очередь в ходе исследований было произведен анализ входного сигнала методом декомпозиции сигнала на эмпирические моды, в результате которого был получен массив данных, каждый элемент которого представлял собой эмпирическую моду. Далее высокочастотные эмпирические моды анализировались методами минимальной среднеквадратической ошибки и спектрального вычитания, т.к. именно в высокочастотных составляющих присутствует больше всего шума. После очистки высокочастотных мод от шума, они складывались с низкочастотными, таким образом получался выходной сигнал, который был очищен от шума.

Полученные данные экспериментальных исследований по своим значениям удовлетворяют требованиям технического задания.

В работе также проведены технико-экономические расчеты сметы затрат на разработку аппаратно-программного комплекса, а так же проработаны вопросы охраны труда по обеспечению безопасных условий труда при проведении экспериментальных и наладочно-регулировочных работ модуля фильтрации сигнала от акустического шума.

---

Список литературы

[1] Сергиенко А.Б. Цифровая обработка сигналов.– СПБ.: Питер, 2007.–550 с.

[2] HuangN. E.,Hilbert-HuangTransformanditsApplications. –WorldScientific, 2005. – 350 p.

[3] СмоленцевН.К. Основытеориивейвлетов. ВейвлетывMathlab. –3-е изд. М.: ДМК, 2008. –304 с.

[4] Мэтьюз Д.Г. Численные методы. Использование Mathlab–изд. дом «Вильямс», Москва-Санкт-Петербург-Киев. 2001. – 254с.

[5] SpaniasA.S. Proceedings of the IEEE.–WorldScientific,1994.– vol 82, №10, pp 1539-1582.

[6] Huang N.E., et al. The empirical mode decomposition and the Hibert spectrum for non-linear and non-stationary time series analysis.– Proc. RoyalSoc. London. 1998. . – Vol 454.P. 903-995.

[7] Клионский Д.М., Декомпозиция на эмпирические моды и её использование при анализе дробного броуновского движения. – Цифровая Обработка Сигналов. 2008. – С.37-45.

[8] Клионский Д.М. Депокмпозиция на эмпирические моды и её применение для идентификации информативных компонент и прогнозирования значений сигналов с использованием нейронных сетей./Неунывакин И.В., Орешко Н.И., Геппенер В.В.– СПБ. : Нейрокомпьютеры, 2010. С.43-50.

---