Указания к выполнению работы. В данной работе для фильтрации сигналов используется однослойная сеть ADALINE

В данной работе для фильтрации сигналов используется однослойная сеть ADALINE. В качестве примера выбрана система подавления акустических шумов, например, в автомобиле. Шум, издаваемый двигателем, накладывается на звучащую в салоне музыку или разговор, а потому в рамках данной работы будет отфильтровываться. Структурная схема, работу которой предстоит исследовать в рамках данной лабораторной работы, приведена на рис.2.2.

Конечно же, непосредственное измерение чистого шума двигателя невозможно, однако известно, что он пропорционален частоте вращения двигателя, которую можно измерить. Поэтому оцениваемый шум в общем случае будет отличаться от реального сигнала, что в модели отражено коэффициентом k_o, значение которого четные варианты принимают равным 0,75, а нечетные – 1,25.

Рис.2.2 – Исследуемая схема

В нашем случае система работает дискретно, поэтому необходимо реализовать задержку входного сигнала на разное количество интервалов дискретности. Чем больше таких задержек будет, тем точнее может работать фильтр. Рекомендуется начать с задержки до 3х интервалов.

Нейронная сеть представляет собой линейный нейрон, весовые коэффициенты которого обновляются в реальном времени по правилу Уидроу-Хоффа:

,

где η – коэффициент обучения сети. Очевидно, что адаптация сигнала должна осуществляться относительно предыдущего значения весового коэффициента, что подразумевает использование задержки на один интервал дискретности.

Разница между полным акустическим сигналом и нейронной сетью используется в качестве сигнала ошибки для обучения нейронной сети. Этот же сигнал является, по сути, результатом работы фильтра, то есть, восстановленным полезным сигналом. Выход же нейронной сети стремится повторить сигнал шума. По сути, такая сеть реализует прогнозирование значения сигнала.

При формировании полезного сигнала следует обратить внимание на то, чтобы его период дискретности значительно превышал период дискретности нейронной сети, но оставался кратным ему. Рекомендуемый диапазон значений – 0,3…1 с. При этом следует обратить внимание на соотношение амплитуд полезного сигнала и шума, как это сказано в задании.

Для каждого пункта задания необходимо представить в отчете следующие графики:

- сравнение полезного и восстановленного сигнала;

- сравнение сигнала шума и выхода нейронной сети;

- графики изменения весовых коэффициентов в процессе обучения сети.

Лабораторная работа №4