اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شمارهها | 1,417 |
| تعداد مقالات | 10,200 |
| تعداد مشاهده مقاله | 12,108,983 |
| تعداد دریافت فایل اصل مقاله | 7,078,076 |
بهبود عملکرد فیلتر تطبیقی LMS در حذف نویزهای نظامی با استفاده از بهینهسازی ترکیب پنج ویژگی سیگنال به کمک الگوریتم ژنتیک | ||
| پدافند غیرعامل | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 22 تیر 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| نیما جعفری* 1؛ رضا اصفهانی2 | ||
| 1دانشجوی دانشگاه جامع امام حسین | ||
| 2استادیار دانشگاه جامع امام حسین | ||
| تاریخ دریافت: 25 شهریور 1404، تاریخ بازنگری: 15 آذر 1404، تاریخ پذیرش: 22 تیر 1405 | ||
| چکیده | ||
| پردازش سیگنالهای صوتی در محیطهای نظامی به دلیل وجود نویزهای پیچیدهای مانند انفجار، شلیک سلاح و پارازیتهای الکترومغناطیسی، همواره با چالشهای متعددی روبرو بوده است. در این پژوهش، یک روش پیشرفته برای حذف نویزهای محیطی از سیگنالهای صوتی نظامی ارائه شده که از یک فیلتر تطبیقی LMS با نرخ یادگیری پویا بهره میبرد. نوآوری اصلی این تحقیق، بهکارگیری همزمان پنج ویژگی سیگنال ورودی شامل انرژی، واریانس، کوواریانس، آنتروپی و نرخ گذر از صفر برای تنظیم خودکار نرخ یادگیری است. ترکیب بهینه این ویژگیها با استفاده از الگوریتم ژنتیک و با جمعیت ۵۰ کروموزوم در ۱۰ نسل انجام شده که ضرایب بهینه[0/8486, 0/1872, 0/5016, 0/9195, 0/3582] را نتیجه داده است. نتایج آزمایشها نشان میدهد روش پیشنهادی به بهبود 12/43 دسیبلی در نسبت سیگنال به نویز (از 0/18- به 12/25 دسیبل) و کاهش خطای میانگین مربعات به 0/0016 دست یافته است. همچنین این روش بهبود 1/95 دسیبلی در SNR نسبت به فیلترهای ثابت و کاهش 1/56 برابری واریانس خطا را نشان میدهد. این الگوریتم با حفظ تعادل بین دقت و پیچیدگی، برای کاربردهای حیاتی نظامی مناسب است. | ||
| کلیدواژهها | ||
| فیلتر تطبیقی؛ حذف نویز؛ پردازش صوت نظامی؛ پارامتر یادگیری پویا؛ SNR؛ الگوریتم ژنتیک؛ بهینهسازی ضرایب | ||
| عنوان مقاله [English] | ||
| Enhancement of LMS Adaptive Filter Performance for Military Noise Reduction Using Genetic Algorithm Optimization of Five Signal Features Combination | ||
| نویسندگان [English] | ||
| Nima Jafari1؛ reza esfahani2 | ||
| 1Student | ||
| 2Assistant Professor, Imam Hussein University | ||
| چکیده [English] | ||
| Abstract Audio signal processing in military environments has consistently faced significant challenges due to the presence of complex noises such as explosions, weapon fire, and electromagnetic interference. This study presents an advanced method for removing environmental noise from military audio signals, utilizing a Least Mean Squares (LMS) adaptive filter with a dynamic learning rate. The primary innovation of this research is the simultaneous use of five input signal features—namely, energy, variance, covariance, entropy, and zero-crossing rate—for the automatic adjustment of the learning rate. The optimal combination of these features was achieved using a genetic algorithm with a population of 50 chromosomes over 10 generations, yielding the optimal coefficient set: [0.8486, 0.1872, 0.5016, 0.9195, 0.3582]. Experimental results demonstrate that the proposed method achieves a 12.43 dB improvement in the Signal-to-Noise Ratio (SNR) – from -0.18 dB to 12.25 dB – and reduces the Mean Squared Error (MSE) to 0.0016. Furthermore, the method shows a 1.95 dB superior SNR improvement compared to fixed learning-rate filters and a 1.56-fold reduction in error variance. By maintaining an optimal balance between accuracy and computational complexity, this algorithm is well-suited for critical military applications. Keywords: Adaptive Filter, Noise Cancellation, Military Audio Processing, Dynamic Learning Parameter, SNR, Genetic Algorithm, Coefficient Optimization. | ||
| کلیدواژهها [English] | ||
| Adaptive filter, noise cancellation, military audio processing, dynamic learning parameter, SNR, genetic algorithm, coefficient optimization | ||
|
آمار تعداد مشاهده مقاله: 66 |
||