Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!

Znaleziono wyników: 3

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W pracy omówiono problem adaptacyjnej korekcji charakterystyki częstotliwościowej kanału transmisyjnego w przypadku transmisji sygnałów zmodulowanych w formacie M-QAM i zakłóconych szumem impulsowym, modelowanym niegaussowskimi rozkładami gęstości prawdopodobieństwa. Przedstawiono trzy klasy algorytmów adaptacyjnych stosowanych w odbiornikach do korekcji charakterystyki kanału: LMS, RLS i CMA i porównano je pod kątem szybkości zbieżności, dokładności uzyskiwanej korekcji oraz złożoności obliczeniowej. Wykazano, że wszystkie wymienione algorytmy są nieodporne na zakłócenia impulsowe obecne w kanale. Dlatego też w pracy zaproponowano odporne algorytmy adaptacyjnej korekcji. Cechę odporności na zakłócenia impulsowe uzyskano przez zastosowanie w tych algorytmach nieliniowych funkcji przetwarzania błędu estymacji. Zbadano trzy rodzaje takich funkcji: Hubera, Hampela i funkcję wynikającą z kryterium największej wiarygodności. Działanie algorytmów zweryfikowano symulacyjnie z wykorzystaniem syntetycznych sygnałów z modulacją 64-QAM, zakłócanych szumem impulsowym o rozkładzie e-zaburzonym. Badania symulacyjne wykazały znaczną poprawę jakości korekcji, uzyskiwaną za pomocą zaproponowanych algorytmów odpornych. W pracy przedstawiono również praktyczne zastosowanie odpornych algorytmów ekwalizacji do demodulacji pochodzącego z faksu rzeczywistego sygnału 16-QAM, zakłóconego szumem o charakterze impulsowym. Dotychczasowe zastosowanie klasycznych adaptacyjnych metod korekcji nie pozwalało w tym przypadku na uzyskanie jakichkolwiek użytecznych rezultatów.
EN
In this paper we investigate the problem of adaptive channel equalization in the case of M-QAM transmission disturbed by an impulsive non-Gaussian noise. Three classes of commonly used classical adaptive equalization algorithms LMS, RLS and CMA are considered and compared with respect to convergence rate, equalization accuracy and computational complexity. It has been shown that all of them are non-robust when in the channel the impulsive noise occurs. Therefore, in the paper robust equalization algorithms are proposed. The robustifying properties of classical algorithms are obtained due to applying nonlinear transformation of the estimation error. Three robustifying functions are examined: the Huber function, the Hampel function and the function resulting from the maximum likelihood criterion. The performance of the proposed algorithms has been verified via simulations using synthetic 64-QAM signals corrupted by the - contaminated impulsive noise. The obtained results show that the robust algorithms ensure in such a case considerable improvement of equalization efficiency. The practical application of the proposed equalization algorithms is also presented. They have been used for demodulation of a real 16-QAM signal coming from the fax-transmission, and disturbed by the impulsive-type noise. Using classical nonrobust algorithms, it was impossible to obtain in this case any useful results.
EN
In this paper, the active noise control system based on an adaptively trained recurrent neural network (RNN) is proposed. In our research, we assume that secondary path is modelled by nonlinear transfer function, i.e. linear filter followed by a saturation nonlinearity. To compare commonly used filtered-X LMS (FXLMS) and filtered-X RLS (FXRLS) algorithms with the proposed RNN-based scheme, computer simulations are carried out. Results of experiments have shown that the adaptively trained recurrent neural network provides a significant improvement in an operation of the adaptive ANC systems in the steady-state in comparison with classically used FXLMS and FXRLS algorithms.
PL
W pracy omówiono problem adaptacyjnego usuwania echa akustycznego. Przedstawiono dwie podstawowe klasy algorytmów adaptacyjnych : LMS oraz RLS i porównano je pod katem zastosowania w systemach usuwania echa. Wykazano, że algorytm kratowy LSL stanowi rozsądny kompromis przy wyborze filtru adaptacyjnego, od którego wymaga się z jednej strony dużej i niezależnej od sygnału wejsciowego szybkości zbieżności, z drugiej zaś liniowo zależnej od rzędu filtru złożoności obliczeniowej oraz stabilności numerycznej. Pokazano, że w porównaniu z algorytmem LSL pracujacym w pełnym paśmie, zastosowanie filtru LSL w podpasmowym systemie usuwania echa akustycznego prowadzi do zmniejszenia złożoności obliczeniowej całego algorytmu filtracji adaptacyjnej oraz do poprawy skuteczności tłumienia echa w początkowym okresie pracy systemu. Działanie algorytmów zweryfikowano symulacyjnie. Badania symulacyjne przeprowadzono z wykorzystaniem zarówno sygnałów syntetycznych, jak i rzeczywistych. Potwierdziły one dobre właściwości podpasmowego adaptacyjnego systemu usuwania echa akustycznego z filtrami LSL, który do analizy i syntezy sygnałów podpasmowych wykorzystuje bank filtrów z nadpróbkowaniem.
EN
In this paper the problem of adaptive echo cancellation is presented. Classical adaptive algorithms (LMS and RLS) are discussed and compared from the point of view of their application in acoustic echo cancellation systems. The key requirements for acoustic echo cancellation algorithms are formulated. On the one hand fast and signal independent convergence is necessary, on the other hand low computational complexity and numerical stability are needed. It has been shown that LSL, algorithm meet this requirements well. In comparison with fullband LSL algorithm, LSL in subband scheme leads to decrease of computational complexity and to improvement of echo suppression at the work beginning. The proposed algorithm has been verified via computer simulations using both synthetic and real signals. Simulation results confirm the good performance of the subband adaptive filtering system with LSL filters in subbands.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.