Моделирование помехозащищенных речевых каналов для технических систем управления


https://doi.org/10.7463/rdopt.0516.0848125

Полный текст:


Аннотация

Статья посвящена применению цифровой адаптивной фильтрации для обеспечения помехозащищенности речевых каналов систем управления, понимая под помехой посторонний сигнал, попадающий вместе с речью на вход канального устройства. В работе проведен сравнительный анализ трех алгоритмов адаптации (LMS, NLMS, RLS), применимых для подавления помех. При этом использован механизм адаптивного подавления с двумя микрофонами в речевом канале.

В близких по теме публикациях сравнение алгоритмов проводилось по одному или двум критериям. В данной работе выбраны три критерия сравнения: вычислительная сложность, качество подавления помехи и скорость сходимости к установившемуся режиму. Временная вычислительная сложность оценена по количеству векторных операций в процедурах алгоритмов.

Для сравнения алгоритмов по двум другим критериям было проведено моделирование их работы в среде MATLAB. В качестве помехи использованы белый и розовый шумы, синусоидальный сигнал, а также модель нестационарного сигнала. Получены коэффициент подавления помехи и число итераций алгоритма до перехода в установившийся режим. Наилучшее качество подавления показал алгоритм RLS, наивысшую скорость сходимости – алгоритм NLMS. Опыты показали, что белый шум подавляется хуже, но быстрее, чем синусоидальная помеха.

Исследовано влияние ряда факторов на процесс адаптации. Показано, что увеличение размерности фильтра ведет к повышению качества адаптации и снижению ее скорости. Из результатов моделирования следует, что коэффициент подавления помех принимает наибольшие значения, если мощности сигнала и помехи на входе фильтра примерно одинаковы.

Результаты позволяют рекомендовать алгоритм NLMS для систем реального времени, а алгоритм RLS – для технических систем, работающих с записями речевых сигналов. Рассмотренные алгоритмы могут быть успешно реализованы на современных технических платформах, содержащих высокопроизводительные цифровые сигнальные процессоры и соответствующую периферию.


Об авторах

Б. И. Бычков
МГТУ им. Н.Э. Баумана, Москва
Россия


А. С. Романовский
МГТУ им. Н.Э. Баумана, Москва
Россия


В. Я. Хартов
МГТУ им. Н.Э. Баумана, Москва
Россия


Список литературы

1. Уидроу Б., Стирнз С. Адаптивная обработка сигналов: пер. с англ. М.: Радио и связь, 1989. 440 с.

2. Адаптивные фильтры: пер. с англ. / ред. К.Ф.Н. Коуэн, П.М. Грант. М.: Мир, 1988. 392 с.

3. Сюзев В.В. Основы теории цифровой обработки сигналов: учебное пособие. М.: Изда-тельство «РТСофт», 2014. 752 с.

4. Джиган В.И. Адаптивная фильтрация сигналов: теория и алгоритмы. М.: Техносфера, 2013. 528 с.

5. Chinaboina R., Ramkiran D.S., Khan H., Usha M., Madhav B.T.P., Srinivas K.P., Ganesh G.V. Adaptive algorithms for acoustic echo cancellation in speech processing. International Journal of Research and Reviews in Applied Sciences. 2011. Vol. 7(1). P. 38–42.

6. Kelebekler E., Inal M. White and color noise cancellation of speech signal by adaptive filtering and soft computing algorithms. 19th Australian joint conference on artificial intelligence (Ho-bart, Australia, December 2006): Proceedings. Springer, 2006. P. 970–975.

7. Jagannaveen V., Prabakar T., Venkata Suman J., Devi Pradeep P. Noise suppression in speech signals using adaptive algorithms. International Journal of Signal Processing, Image Processing and Pattern Recognition. 2010. Vol. 3, no. 3. P. 87–96.

8. Sahu A.K., Hiradhar A. Noise cancellation using adaptive filters of speech signals by RLS al-gorithm in Matlab. International Journal of Science and Research. 2015. Vol. 4, iss. 10. P. 1917–1920.

9. MATLAB Documentation. Режим доступа: http://www.mathworks.com/help/matlab (дата обращения: 01.07.2016).

10. Дьяконов В. MATLAB R2011b в обработке сигналов и моделировании электронных уст-ройств // Компоненты и технологии. 2012. №2. С. 111–120.

11. Сергиенко А.Б. Цифровая обработка сигналов: учеб. пособие. 3-е изд. СПб.: БХВ-Петербург, 2011. 768 с.

12. Полтавцева Е.В. Применение алгоритмов адаптивной фильтрации для обработки данных скважинных геоакустических измерений // Материалы 8-й региональной молодежной научной конференции «Природная среда Камчатки» (Петропавловск-Камчатский, 15 апреля 2014 г.). Петропавловск-Камчатский, 2014. С. 143–157.

13. Цуриков В.С. Корреляционный критерий сходимости адаптивных RLS и LMS алгорит-мов для выделения на фоне помех сигналов с конечным спектром // Электрон. физико-технический журн. 2007. Т. 2. Режим доступа: http://eftj.secna.ru/vol2/070204.pdf (дата об-ращения: 01.07.2016).

14. Stasionis L., Serackis A. Selection of an optimal adaptive filter for speech signal noise cancel-lation using C6455 DSP. Electronics and electrical engineering. 2011, no. 9(115). P. 101–104. DOI: 10.5755/j01.eee.115.9.759


Дополнительные файлы

Для цитирования: Бычков Б.И., Романовский А.С., Хартов В.Я. Моделирование помехозащищенных речевых каналов для технических систем управления. Радиостроение. 2016;(5):11-25. https://doi.org/10.7463/rdopt.0516.0848125

For citation: Bychkov B.I., Romanovsky A.S., Khartov V.Y. Noise-Free Speech Channel Modeling for Technical Control Systems. Radio Engineering. 2016;(5):11-25. (In Russ.) https://doi.org/10.7463/rdopt.0516.0848125

Просмотров: 113

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2587-926X (Online)