حذف نویز صوتی تناوبی با روش فعال و هوشمند

در این تحقیق، روشی جدید مبتنی بر تکنیک‌هاییادگیری تقویتی با تکیه بر روش تفاوت زمانی صفر در مبحث یادگیری تقویتی، برای حذف نویز صوتی به صورت فعال در سیگنال‌های باند باریک ارایه گردیده است. برای پیاده سازی این روش مبتنی بر بازخورد، اطلاعاتی از دینامیک مسیر اولیه و ثانویه لازم نمی باشد و در نتیجه این روش نسبت به تغییر این پارامترها به صورت مقاوم عمل می نماید. حجم بسیار کم محاسبات ریاضی و حافظه بسیار اندک محاسبات، از دیگر مزایای روش پیشنهادی می باشد. بدین منظور در اولین گام با انجام تعاریف مناسب برای متغیرهای حالت، اعمال ممکن و سیگنال پاداش، مسیله به یکمسیله مناسب برای حل توسط یادگیری تقویتی تبدیل شده و با روش یادگیری کیو حل می گردد. در گام بعدی با استفاده از اطلاعات به دست آمده از مدل‌سازی در حوزه فرکانس، مسیله ساده گردیده و با روش تفاوت زمانی صفر مسیله حل خواهد گردید. آخرین مرحله پیشنهادیک روش چند سطحی می باشد که در این روش اخیر بدون نیاز به بالاتر بردن حافظه مورد نیاز می توان، دقت را تا مقدار لزوم افزایش داد.in this paper a new method based on temporal difference reinforcement learning algorithm is proposed to active noise control of periodic acoustic signal. this method does not need dynamic information and therefore it is fully robust with respect to the dynamic changes. very low computational burden and low needed memory are some advantages of this method. in the first step, through well definition of the state variables, actions, and reward signal, a reinforcement learning problem is formed and then it is solved by q-learning technique. in the next step, the problem is simplified with the aid of frequency domain modeling information and it is solved by temporal difference methods. finally, a multi-level approach is presented which can increase the precision without increasing of the memory size. it is shown by simulation that this method works well and the improvement of the multi-level temporal difference method with respect to the q-learning method is addressed.