Study of sparse adaptive algorithms for the identification of acoustic impulse responses

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

L’efficacité de l'identification du système et de l'annulation de l'écho acoustique est un véritable défi pour les filtres adaptatifs, en particulier si la réponse impulsionnelle est longue et parcimonieuse ou lorsque l'environnement est non stationnaire et que la parcimonie du système est variable. Dans ce travail, on présente, premièrement, un aperçu du filtrage adaptatif et les principaux développements dans le domaine des algorithmes parcimonieux, commençant à partir des célèbres ouvrages sur l’algorithme proportionné normalisé de moindres carrés moyens (en anglais, PNLMS : Proportionnâtes Normalise Least Mean Square) et ses nombreuses variantes jusqu’aux techniques les plus récentes. Ensuite, les formulations théoriques des algorithmes de base de type PNLMS, leurs mises à jour contrôlés par la variation du degré de parcimonie de système ainsi que les algorithmes des moindres carrés récursifs (RLS), des RLS rapides (FRLS) et des NLMS rapides (FNLMS) sont présentés. Par la suite, trois (03) nouveaux robustes algorithmes de filtrage adaptatif sont proposés pour l’annulation d’écho acoustique, formant une nouvelle famille hybride d'algorithmes proportionnés de type FNLMS (type PFNLMS). Ces algorithmes utilisent l’information, a priori, sur la parcimonie de système. Ils sont nommés PFNLMS, IPFNLMS et MPFNLMS. Ces derniers ont été obtenus par des intégrations efficaces des matrices de contrôle de mise à jour des algorithmes classiques de type PNLMS (i.e. : PNLMS, IPNLMS et MPNLMS) au gain d'adaptation basé sur Kalman de l'algorithme NLMS rapide (FNLMS).Enfin, en utilisant le logiciel MATLAB®, une série de simulations a été effectuée à la fois pour différentes réponses impulsionnelles acoustiques longues, synthétiques et réelles à différents niveaux de parcimonie et avec des entrées stationnaires et des entrées non-stationnaires, suivies d'une vérification avec des données d'une expérience réelle. Les résultats ont montré des améliorations intéressantes pour les algorithmes proposés par rapport à leurs ancêtres en termes de la vitesse de convergence, de la précision d’estimation, de la capacité de poursuite, de la robustesse contre les variations de parcimonie du système ainsi que la robustesse contre la non-stationnarité du système et/ou des entrées.

روابط وملفات

التعريف والنوع

رقم الوثيقة

f5b702a2-29bd-48f0-be0f-536ee8a6f019

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل ماجيستير

نوع الملف

pdf text

أسماء الملفات

2230516_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":" Ayoub Tedjani","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Ahmed Benallal","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

English

المصدر والدورية

اسم المصدر

Study of sparse adaptive algorithms for the identification of acoustic impulse responses

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

Acoustic impulse responses (AIRs) identification and echo cancellation are common problems in the field of signal processing. In this work, firstly, we provide an overview of adaptive filtering and the major developments in the area of sparse algorithms, starting from the celebrated works on proportionate normalized least mean square (PNLMS) algorithm and its several variants to more recent approaches that use compressed sensing (CS) framework. Then, the theoretical details of the most important and recent sparse NLMS-based adaptive filtering algorithms are presented, and their computational complexity is analyzed. The algorithms of interest include NLMS, its classical proportionate sparseness-aware (SA) versions (PNLMS, IPNLMS and MPNLMS) and their sparseness-controlled (SC) upgrades (SC-PNLMS, SC-IPNLMS and SC-MPNLMS) as well as some recent CS-based algorithms namely ZA-NLMS, RZA-NLMS, VSS-ZA-NLMS and VSS-RZA-NLMS. Finally, using MATLAB® software, a series of simulations were carried out both in synthetic and real different-sparseness acoustic impulse responses with stationary and non-stationary inputs in order to analyze, investigate and compare the algorithms strengths and weaknesses in terms of convergence speed, estimation accuracy and computational complexity

كلمات الباحثين

FiltrageAdaptatif, AlgorithmesParcimonieux, Réponses Impulsionnelles Acoustiques, Identification, Acquisition comprimée(en anglais, Compressed Sensing), LMS, NLMS,Parole,Performanceà l’état d’équilibre, Complexité.

إشراف وإعداد

الإشراف

Ahmed Benallal

الإعداد

Ayoub Tedjani

الاقتباسات الببليوغرافية