nghiên cứu và mô phỏng hệ thống triệt nhiễu dùng bộ lọc thích nghi vàmạng nơron

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

ĐỀ TÀI NCKH CẤP SINH VIÊN

NGHIÊN CỨU VÀ MÔ PHỎNG
HỆ THỐNG TRIỆT NHIỄU
DÙNG BỘ LỌC THÍCH NGHI VÀMẠNG NƠRON
S

K

C

0

0

3

9

5

9

S KC 0 0 1 1 8 8

Tp. Hồ Chí Minh, 2006

TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HỒ CHÍ MINH
KHOA ĐIỆN TỬ
-----oOo-----

Đề Tài Nghiên Cứu Khoa Học

NGHIÊN CỨU VÀ MÔ PHỎNG
HỆ THỐNG TRIỆT NHIỄU DÙNG
BỘ LỌC THÍCH NGHI VÀ MẠNG NƠRON

GVHD: ThS. LÊ MINH THÀNH
SVTH: NGUYỄN HOÀNG THÔNG
NGUYỄN QUÝ TÂM

THÁNG 2 / 2006


Đề tài nghiên cứu khoa học

GIỚI THIỆU
Mạng nơron là sự kết hợp của nhiều đặc trưng của nhiều khoa học cơ bản như
sinh học, vật lí, tâm lí học, thần kinh học. Kĩ thuật này hoạt động thông qua sự kết nối
những phần tử tính toán với nhau. Do vậy, cơ cấu mạng nơron nhân tạo dựa trên sự
hiểu biết của chúng ta về hệ thống thần kinh trong lĩnh vực sinh vật học.
Mạng nơron gồm nhiều phần tử và chúng được kết nối với nhau. Mối quan hệ
của một phần tử với các phần tử khác được biểu diễn bởi trọng số của phần tử đối với
các phần tử khác trong mạng.
Mạng nơron được đặc trưng bởi cấu trúc, sự sắp xếp các phần tử, đặc tính của
mỗi phần tử và các luật học, huấn luyện của nó. Luật này ban đầu khởi tạo một bộ các

trọng số đồng thời đưa ra các phương thức thay đổi các trọng số để tăng cường mối
quan hệ giữa các phần tử.
Mạng nơron mang lại nhiều lợi ích to lớn, đặc biệt là độ chính xác cao và sai số
chấp nhận được. Do mạng nơron gồm nhiều phần tử và các phần tử này hoạt động
đồng thời nên nếu một vài phần tử bị lỗi thì mạng vẫn hoạt động tốt và kết quả không
bị ảnh hưởng đáng kể.
Mạng nơron có nhiều triển vọng được áp dụng trong các lĩnh vực như nhận diện
tiếng nói, xử lí ảnh và triệt nhiễu.
Triệt nhiễu là một trong những vấn đề hấp dẫn, có ý nghĩa to lớn trong các hệ
thống thông tin nhưng nó cũng phức tạp đòi hỏi sự đầu tư lớn. Đề tài: “Triệt nhiễu
dùng bộ lọc thích nghi và mạng nơron” tập trung vào phương pháp triệt nhiễu cổ điển
và hiện đại, gồm các phần sau:
Chương 1: Dẫn nhập
Chương 2: Triệt nhiễu thích nghi
Chương 3: Bộ lọc số
Chương 4: Mạng nơron
Chương 5: Các giải thuật triệt nhiễu
Chương 6: Mô phỏng
Chương 7: Kết luận và hướng phát triển
So sánh ưu, nhược điểm của các giải thuật triệt nhiễu thông qua kết quả mô
phỏng độ lớn hàm sai số cho từng giải thuật. Các giải thuật cổ điển như LMS, RLS,
NLMS cho kết quả tương đối tốt đặc biệt là giải thuật NLMS. Tuy nhiên, giải thuật
dùng mạng nơron cho kết quả tốt nhất và triển vọng nhất.


Đề tài nghiên cứu khoa học

MỤC LỤC
Trang
Chương 1: Dẫn nhập ................................................................................................ 1

1.1. Đặt vấn đề .......................................................................................................... 1
1.2. Tầm quan trọng của đề tài.................................................................................. 1
1.3. Mục đích nghiên cứu ........................................................................................ 1
1.4. Giới hạn đề tài ................................................................................................... 1
Chương 2: Triệt nhiễu thích nghi

....................................................................... 2

2.1. Giới thiệu về triệt nhiễu thích nghi .................................................................... 2
2.2. Hoạt động của triệt nhiễu thích nghi.................................................................. 2
2.3. Ứng dụng thực tế của triệt nhiễu thích nghi ...................................................... 3
Chương 3: Bộ lọc số.................................................................................................. 4
3.1. Bộ lọc số ............................................................................................................. 4
3.2. Bộ lọc FIR ........................................................................................................... 4
3.2.1. Khái niệm....................................................................................................... 4
3.2.2. Các mô hình của hệ thống FIR ...................................................................... 5
3.3. Bộ lọc IIR ............................................................................................................ 9
3.3.1. Khái niệm....................................................................................................... 9
3.3.2. Các mô hình của hệ thống IIR ....................................................................... 9
3.4. Ưu điểm và nhược điểm của bộ lọc FIR và IIR ................................................ 15
Chương 4: Mạng nơron

..................................................................................... 16

4.1. Cấu trúc bộ não người ....................................................................................... 16
4.2. Mô hình một nơron............................................................................................ 16
4.3. Các hàm truyền thông dụng............................................................................... 17
4.4. Cấu trúc mạng nơron ........................................................................................ 17
Chương 5 : Các giải thuật triệt nhiễu

............................................................. 19

5.1. Đặt vấn đề.......................................................................................................... 19
5.1.1. Giới thiệu ..................................................................................................... 19
5.1.2. Lọc thích nghi và triệt nhiễu thích nghi ...................................................... 19
5.2. Giải thuật LMS .................................................................................................. 20
5.3. Giải thuật RLS ................................................................................................... 20
5.4. Giải thuật NLMS hay ABNS............................................................................. 21
5.5. Giải thuật dùng mạng nơron.............................................................................. 21


Đề tài nghiên cứu khoa học

Chương 6: Mô phỏng

........................................................................................ 24

6.1. Đặt vấn đề .......................................................................................................... 24
6.2. Lưu đồ giải thuật ............................................................................................... 24
6.2.1. Lưu đồ chương trình chính ........................................................................ 24
6.2.2. Lưu đồ chương trình con ........................................................................... 25
6.3. Kết quả mô phỏng ............................................................................................ 27
6.3.1. Giải thuật LMS .......................................................................................... 27
6.3.2. Giải thuật RLS ........................................................................................... 28
6.3.3. Giải thuật NLMS ....................................................................................... 28
6.3.4. Giải thuật dùng mạng nơron ...................................................................... 29
6.3.5. Tổng hợp các giải thuật .............................................................................. 29
Chương 7: Kết luận và hướng phát triển ............................................................ 31
7.1. Kết luận

........................................................................................................ 31

7.2. Hướng phát triển .............................................................................................. 31
PHỤ LỤC – TÀI LIỆU THAM KHẢO


Đề tài nghiên cứu khoa học

Chương 1
DẪN NHẬP
1.1 Đặt vấn đề
Trong một xã hội không ngừng vận động và phát triển, mọi người đều có nhu cầu
trao đổi thông tin với nhau và tiếp cận các thông tin một cách nhanh nhất. Trong khi
tất cả các dạng thông tin đều phải được truyền tải qua các kênh truyền nhất định, mà
trên kênh truyền luôn tồn tại nhiều loại nhiễu khác nhau. Do đó, tín hiệu thu được sau
khi qua kênh truyền không còn nguyên vẹn như cũ mà đã bị thay đổi nhiều hay ít tùy
theo sự phân bố nhiễu trên đường truyền. Vậy làm thế nào để thông tin được truyền đi
mà không bị sai lệch về nội dung và không bị méo dạng. Để khắc phục được vấn đề
này thì cần phải có một bộ lọc có khả năng tự điều chỉnh hay tự thích nghi được với sự
biến thiên của tín hiệu nhiễu để loại chúng ra khỏi tín hiệu.
Hiện nay, với sự phát triển vượt bậc của khoa học kỹ thuật đặc biệt là trong lĩnh
vực thông tin cùng với tốc độ xử lý của máy tính không ngừng được nâng cao, thì vấn
đề trên hoàn toàn có thể thực hiện được thông qua các giải thuật triệt nhiễu thích nghi
LMS, RLS, NLMS và mạng nơron.
1.2 Lý do chọn đề tài
Trong môi trường sống, luôn tồn tại nhiều dạng nhiễu khác nhau mà ảnh hưởng
không ít đến nhu cầu của con người. Nên làm thế nào để loại trừ những ảnh hưởng bất
lợi này, điều này là một vấn đề thu hút nhóm đi tìm hiểu về các phương pháp triệt
nhiễu và đã chọn cho mình được phương pháp đơn giản và ứng dụng nhiều trong thực
tế là triệt nhiễu dùng bộ lọc thích nghi và mạng nơron.

1.3 Tầm quan trọng của đề tài
Đề tài có một vị trí quan trọng trong thực tiễn, do trong hầu hết các môi trường
luôn có sự hiện diện của tín hiệu nhiễu nên cần có các biện pháp để khắc phục hay hạn
chế bớt ảnh hưởng của nhiễu để thông tin được thu lại tốt hơn. Các giải pháp triệt
nhiễu này được ứng dụng rộng rãi trong hầu hết các nơi cần có độ chính xác thông tin
cao như trong lĩnh vực truyền tin: điện thoại, thiết bị y tế, thu tiếng nói,…. Ngoài ra
các giải thuật triệt nhiễu đơn giản và dễ thực hiện.
1.4 Mục đích nghiên cứu
Tìm hiểu về bộ lọc số, các mô hình triệt nhiễu sử dụng bộ lọc thích nghi. Tiến
hành xây dựng và mô phỏng chương trình triệt nhiễu thích nghi sử dụng các giải thuật
LMS, RLS, NLMS và mạng nơron với sự hỗ trợ của matlab 7. Xác định lỗi của từng
phương pháp. Nhận xét và so sánh các phương pháp với nhau
1.4 Giới hạn đề tài
Trong một pham vi hẹp nhóm thực hiện không đi sâu vào việc tìm hiểu các giải
thuật mà đi vào ứng dụng các giải thuật đã nêu để xây dựng chương trình mô phỏng,
qua đó xác định thông số lỗi của từng phương pháp. Dữ liệu được sử dụng là tín hiệu
dạng hình sin. Nhiễu đường truyền chủ yếu là nhiễu ngẫu nhiên với biên độ tương đối
nhỏ.

1


Đề tài nghiên cứu khoa học

Chương 2
TRIỆT NHIỄU THÍCH NGHI
2.1 Giới thiệu về triệt nhiễu thích nghi
Một hệ thống triệt nhiễu đơn giản được chỉ ra trong hình 2.1

Hình 2.1: Hệ thống triệt nhiễu

Phương pháp triệt nhiễu nguyên thủy bị giới hạn, bởi vì tín hiệu nhiễu tại cảm
biến tham khảo không giống hoàn toàn với tín hiệu nhiễu đến cảm biến chính sau khi
qua bộ lọc hay bộ làm trễ. Trong trường hợp xấu hơn, có thể dẫn đến việc làm tăng
công suất trung bình của nhiễu ở ngõ ra.. Với hệ thống triệt nhiễu thích nghi thì hoàn
toàn có thể khắc phục được các vấn đề trên, do triệt nhiễu thích nghi có thể tạo ra một
tín hiệu lỗi ước lượng gần giống tín hiệu lỗi tồn tại cùng với tín hiệu và do đó có thể
loại bỏ tín hiệu nhiễu và thu được tín hiệu mong muốn, hình 2.2.

Hình 2.2: Bộ triệt nhiễu thích nghi
2.2 Hoạt động của triệt nhiễu thích nghi
Nguyên lý hoạt động cơ bản của bộ triệt nhiễu thích nghi là ước lượng tín hiệu
nhiễu có trong tín hiệu đã cho và loại nó ra khỏi tín hiệu để thu được tín hiệu không
nhiễu như mong muốn.
Một bộ triệt nhiễu thích nghi cơ bản có hai ngõ vào, một ngõ vào từ nguồn tín
hiệu thông qua cảm biến chính và một ngõ vào từ nguồn nhiễu thông qua cảm biến
tham khảo (hình 2.2).
Cảm biến chính ngoài việc thu tín hiệu S(n) từ nguồn tín hiệu nó còn thu một
phần tín hiệu từ nguồn nhiễu sau khi đã được làm trể hay qua một bộ lọc HN(n).
Tín hiệu thu được tại cảm biến chính = S(n) + HN(n)
2


Đề tài nghiên cứu khoa học

Cảm biến tham khảo thu tín hiệu nhiễu N(n) và đưa đến bộ lọc thích nghi.Bộ lọc
l là ước lượng của H.
l N ( n ) từ N(n) với H
thích nghi tạo ra tín hiệu ước lượng H
Ngõ ra là tổng hợp hai tín hiệu: tín hiệu thu được từ cảm biến chính và tín hiệu
ước lượng tạo ra từ bộ lọc thích nghi:

l N ( n) = S ( n ) + ( H − H
l ) N ( n ) = e( n )
Tín hiệu ngõ ra = S (n) = S (n) + HN (n) − H

Từ công thức trên ta nhận thấy, để thu được tín hiệu mong muốn S(n) thì thành
l ) N (n) phải nhỏ nhất và bằng không. Tín hiệu e(n) tại ngõ ra được
phần nhiễu ( H − H
xem như một tín hiệu lỗi và được đưa về điều chỉnh hệ số của bộ lọc thích nghi để tạo
l N ( n ) ≈ HN ( n ) , khi đó tín hiệu ngõ ra được triệt bớt nhiễu và đạt được tín
ra tín hiệu H
hiệu như mong muốn
2.3 Ứng dụng thực tế của triệt nhiễu thích nghi
2.3.1 Điều khiển nhiễu tích cực trong ống dẫn hẹp
Hệ thống triệt nhiễu thích nghi có thể ứng dụng cho mục đích triệt nhiễu trong
các ống dẫn hẹp như ống dẫn khí và hệ thống thông gió, được mô tả ở hình 2.3

Hình 2.3: Triệt nhiễu tích cực trong một ống dẫn hẹp.
2.3.2 Điều khiển nhiễu thích nghi trong máy bay phản lực
Động cơ của một máy bay có thể sinh ra nhiễu với mức trên 140 dB. Trong khi
tiếng nói của người bình thường chỉ ở mức 30 - 40dB, cho nên tiếng nói trong máy bay
hầu như không nghe được.. Một cơ sở đơn giản của hệ thống triệt nhiễu trong máy bay
được minh họa ở hình 2.4.

Hình 2.4: Hệ thống điều khiển nhiễu thích nghi trong một máy bay phản lực.
3


Đề tài nghiên cứu khoa học

Chương 3

BỘ LỌC SỐ
3.1 Bộ lọc số
Trong lĩnh vực điện tử, bộ lọc số là một dạng của bộ lọc điện tử hoạt động dựa
vào các thuật toán số, một dạng cấp cao của tín hiệu. Bộ lọc số tương phản với bộ lọc
tương tự, bộ lọc tương tự hoạt động hoàn toàn trên lĩnh vực tương tự và phải dựa vào
những mạng vật lý của các linh kiện điện tử như: điện trở, tụ điện, transistor, …, để đạt
được hiệu quả lọc như mong muốn.
Ưu điểm của bộ lọc số:
- Bộ lọc số dễ dàng đạt được tần số cắt tốt hơn nhiều so với một bộ lọc tương tự.
Ví dụ: để tạo một bộ lọc thông thấp tần số 1000Hz, thì bộ lọc số hoàn toàn có thể cho
qua tín hiệu tần số 999Hz, nhưng có thể khoá một tín hiệu 1001Hz, trong khi một bộ
lọc tương tự khó có thể thực hiện được điều này.
- Đối với những bộ lọc có nhiều tầng phức tạp, bộ lọc số có khả năng đạt được tỉ
số SNR (signal-to-noise ratio) tốt hơn bộ lọc tương tự. Do tại những tầng trung gian,
bộ lọc tương tự có thể cộng nhiễu vào tín hiệu, còn bộ lọc số thực hiện được những
thuật toán triệt nhiễu tại mỗi tầng trung gian trong quá trình truyền tín hiệu thông qua
việc chuyển đổi tín hiệu ADC.
Nhược điểm của bộ lọc số:
- Tốc độ: tốc độ của bộ lọc số phụ thuộc vào tốc độ xử lý của bộ lọc.
- Giá cả: giá bộ lọc số cao hơn so với bộ lọc tương tự.
Các loại bộ lọc số: lọc số có nhiều loại khác nhau, xong có thể kể đến hai loại
phổ biến sau:
- FIR (Finite Impulse Response): bộ lọc có đáp ứng xung hữu hạn.
- IIR (Infinite Impulse Response): bộ lọc có đáp ứng xung vô hạn.
3.2 Bộ lọc FIR
3.2.1 Khái niệm
Một hệ thống FIR được mô tả bởi biểu thức:
(3-1)

Hoặc được mô trả bởi hàm truyền:

(3-2)

sau:

Ngoài ra, đáp ứng mẫu đơn vị của hệ thống FIR đồng nhất với hệ số {bn}, như

trường hợp khác

(3-3)

4


Đề tài nghiên cứu khoa học

3.2.2 Các mô hình của hệ thống FIR
3.2.2.1 Mô hình trực tiếp (Direct-Form Realization)
Mô hình trực tiếp được mô tả bằng công thức:
(3-4)

Sơ đồ khối:

Hình 3.1: Mô hình dạng trực tiếp của hệ thống FIR.
Cấu trúc này cần có (M – 1) vị trí nhớ tương ứng với (M – 1) ngõ vào trước đó,
và cần có một tổ hợp gồm M bộ nhân và M – 1 bộ cộng cho một ngõ ra. Ngõ ra bao
gồm sự kết nối tuyến tính của (M – 1) giá trị trước của ngõ vào và giá trị hiện tại của
ngõ vào. Mô hình trực tiếp còn được gọi là bộ lọc theo chiều ngang hoặc bộ lọc có
nhánh rẻ.
3.2.2.2 Mô hình dạng Cascade
Mô hình dạng cascade có hàm hệ thống như sau:

(3-5)

Trong đó:
(3-6)

K là phần nguyên của (M +1)/2. Độ lợi G = G1G2 ... GK. Điểm zero của H(z)
được nhóm thành từng cặp để tạo nên một hệ thống FIR bậc hai có dạng (3-7) và là
những cặp nghiệp phức hợp để các hệ số {bki } có giá trị thực.
x(n) = x1(n)

H1(z)

y1(n) =
x2(n)

H2(z)

y2(n) =
x3(n)

..

yK- 1(n) =
x2(n)

HK(z)

yK(n) = y(n)

(a)

(b)
Hình 3.2: Mô hình Cascade của hệ thống FIR.

5


Đề tài nghiên cứu khoa học

3.2.2.3 Mô hình lấy mẫu tần số (Frequency – Sampling)
Mô hình lấy mẫu tần số là một dạng cấu trúc của bộ lọc FIR, trong đó các thông
số đặc trưng cho bộ lọc là những giá trị có đáp ứng tần số mong muốn thay thế cho
đáp ứng xung h(n). Đáp ứng tần số mong muốn tại những tần số cách đều nhau được
xác định bới:
2π
(3-7)
ωk =
(k + α )
M

k = 0, 1, ....., (M – 1)/2, M lẻ
k = 0, 1, ....., M/2 – 1, M chẵn
α = 0 hoặc ½
Hàm truyền có dạng:
1 − z − M e j 2πα
H ( z) =
M

M −1

H (k +α )

∑ 1− e
k =0

j 2π ( k +α ) / M

(3-8)

z

−1

Mô hình lấy mẫu tần số là dạng ghép cascade [H(z) = H1(z)H2(z)] của hai bộ lọc:
Bộ lọc thứ nhất là lọc toàn zero có hàm truyền:

H1 ( z ) =

1
1 − z − M e j 2πα )
(
M

Bộ lọc thứ hai với hàm truyền:

Cấu trúc của bộ lọc lấy mẫu tần số có thể được đơn giản hoá bằng cách tận dụng
sự đối xứng của H(k + α), ta được H(k) = H*(M – k) với α = 0 và H(k+½)=H*(M – k–
½) với α = ½.

Hình 3.3: Mô hình Frequency – Sampling của bộ lọc FIR

6


Đề tài nghiên cứu khoa học

3.2.2.4 Mô hình lưới
Xét một chuỗi bộ lọc FIR với hàm truyền sau:
H m ( z ) = Am ( z )

m = 0,1,...., M − 1

(3-9)

Trong đó Am(z) được xác định từ đa thức:
(3-10)

A0(z) = 1, đáp ứng mẫu đơn vị của bộ lọc thứ m là hm(0) = 1 và hm(k) = αm(k),
k=1,2,....m. Chỉ số m trong đa thức Am(z) chỉ bậc của đa thức.
Để đạt được một bộ lọc FIR tuyến tính thì chuỗi dữ liệu ngõ vào là: x(n – 1),
x(n–2), ...., x(n – m) được sử dụng để dự đoán giá trị của tín hiệu x(n). Chúng ta có thể
biểu diễn giá trị dự doán của x(n) như sau:
(3-11)

{αm(k)} miêu tả hệ số dự đoán. Tín hiệu âm được định nghĩa x ( n ) được sử dụng
cho phù hợp với lý thuyết trong kỹ thuật. Chuỗi tín hiệu ngõ ra y(n) có thể được mô tả
như sau:
(3-12)

Ngõ ra của bộ lọc FIR được cho bởi phương trình trên có thể được hiểu như một
mức sai lệch giữa giá trị tín hiệu thực x(n) và giá trị ước lượng x ( n ) . Hai mô hình

dạng trực của bộ lọc ước lượng FIR được chỉ ra trong hình 3.4.

Hình 3.4: Mô hình dạng trực tiếp của bộ lọc ước lượng FIR.
Với m = 1 thì ngõ ra của bộ lọc là:
(3-13)

Ngõ ra này có thể đạt được từ một bộ lọc lưới đơn tầng hoặc bộ lọc bậc một,
được minh hoạ bởi hình 3.5.
Nếu chọn K1 = α1(1) thì K1 được gọi là hệ số phản hồi
7


Đề tài nghiên cứu khoa học

Hình 3.5: Bộ lọc lưới đơn tầng.
Xem một bộ lọc FIR với m = 2, trong trường hợp này ngõ ra từ một cấu trúc trực
tiếp như sau:
(3-14)

Bằng cách liên kết hai tầng lưới như hình 3.6

Hình 3.6: Bộ lọc lưới 2-tầng.
Với ngõ ra của tầng thứ nhất là:
(3-15)

Ngõ ra của tầng thứ hai là:
(3-16)

Thế f1 (n) và g1 (n − 1) vào f 2 (n) ta được:
(3-17)

Đồng nhất hệ số:

(3-18)

hoặc
(3-19)

8


Đề tài nghiên cứu khoa học

3.3 Bộ lọc IIR
3.3.1. Khái niệm
Một hệ thống IIR được biểu diễn bởi biểu thức:
N

M

k =1

k =0

y (n) = −∑ ak y (n − k ) + ∑ bk x(n − k )

Hoặc được mô tả bởi hàm truyền:

Từ hàm truyền H(z) ta có các cực và các zero của hệ thống. Các cực và zero phụ
thuộc vào sự lựa chọn thông số hệ thống {bk } và {ak } và chúng xác định đặc điểm đáp

ứng tần số của hệ thống.
3.3.2 Các mô hình của hệ thống IIR
3.3.2.1. Mô hình dạng trực tiếp
Một hệ thống bộ lọc IIR có thể được ghép cascade từ hai hệ thống:
(3-20)

Trong đó: H1(z) bao gồm những điểm zero của H(z) và H2(z) bao gồm những
điểm cực của H(z).
(3-21)
(3-22)

Mô hình dạng trực tiếp của hệ thống IIR (hình 3.7) đòi hỏi (M + N + 1) bộ nhân,
(M + N) bộ cộng và (M+N-1) vị trí nhớ.
Nếu bộ lọc toàn cực H2(z) được đặt trước bộ lọc toàn zero H1(z), một cấu trúc
mới hình thành, công thức cho bộ lọc toàn cực là:
(3-23)

w(n) là ngõ vào của hệ thống toàn zero, ngõ ra của nó là:
(3-24)

Cả hai công thức (3-23) và (3-24) bao gồm những kiểu trì hoãn của chuỗi
{w(n)}. Kết quả chỉ có một dòng trì hoãn đơn hoặc một tập hợp đơn các vị trí nhớ
được đòi hỏi để lưu lại các giá trị trước đó của {w(n)}. Kết quả của cấu trúc là các
phần tử (3-23) và (3-24) được gọi là mô hình dạng trực tiếp II và được mô tả bằng
hình 3.8. Cấu trúc này đòi hỏi (M+N+1) bộ nhân, (M+N) bộ cộng và max{M,N} vị trí
nhớ. Từ mô hình dạng trực tiếp II giảm tối thiểu số lượng vị trí nhớ, được gọi là
canonic.
9

Đề tài nghiên cứu khoa học

Hình 3.7: Mô hình dạng trực tiếp I.

Hình 3.8: Mô hình dạng trực tiếp II (N=M).
3.3.2.2 Cấu trúc dạng graph tín hiệu và chuyển vị
Một graph diễn tả một sự thay đổi về sự biểu diễn vật lý tương đương thành
một cấu trúc dạng khối sử dụng để minh hoạ cho các mô hình hệ thống khác nhau.
Những thành phần cơ bản của graph là các nhánh và nút. Một graph tín hiệu là tập hợp
những nhánh thẳng kết nối tại những nút.Tín hiệu ngõ ra của một nhánh được tín bằng
số lần độ lợi nhánh tín hiệu trên mỗi nhánh, và tín hiệu tại mỗi nút của một graph được
tín bằng tổng tín hiệu từ tất cả các nhánh liên kết đến nút.
10


Đề tài nghiên cứu khoa học

(a)

(b)
Hình 3.9: (a): Cấu trúc bộ lọc bậc hai, (b): graph tín hiệu của (a).
Nếu đảo chiều tất cả hàm truyền của nhánh và thay đổi ngõ vào và ngõ ra trong
graph, thì hàm truyền hệ thống vẫn không đổi. Kết quả của cấu trúc này được gọi là
cấu trúc chuyển vị hoặc dạng chuyển vị.
Ví dụ: chuyển vị của graph tín hiệu hình 3.9 được minh hoạ ở hình 3.10.

(a)

(b)
Hình 3.10: (a): flow graph tín hiệu của cẩu trúc chuyển vị, (b): mô hình.

11


Đề tài nghiên cứu khoa học

3.3.2.3 Mô hình dạng Cascade
Một hệ thống IIR bậc cao với hàm truyền hệ thống được cho bởi (3-2). Chúng ta
giả sử rằng N ≥ M hệ thống có thể là thành phần ghép cascade của các hệ thống con
bậc hai, như H(z) có thể được biểu diễn bởi công thức:
(3-25)

Trong đó: K là phần nguyên của (N+1)/2, Hk(z) có dạng tổng quát như sau:
(3-26)

G là thông số độ lợi cố định và được xác định từ công thức (3-2) và G=b0. Khi đó
một trường hợp của hệ thống FIR cơ bản dựa vào một mô hình dạng cascade, thông số
độ lợi G có thể được phân bố đều nhau giữa các phần của bộ lọc K để G = G1G2 ....GK .
Các hệ số {aki} và {bki} trong hệ thống con bậc hai là số thực, nhóm từng cập các cực
liên hợp phức với nhau và nhóm từng cập zero liên hợp phức hoặc các zero giá trị thực
với nhau để hình thành một hệ thống con của mô hình được cho bởi (3-26) và có thể
thực hiện được một cách riêng biệt.

Hình 3.11: Cấu trúc dạng trực tiếp II chuyển vị.
Bất kỳ hai điểm cực có thể được nhóm lại để hình thành nên một hệ số bậc hai.
Kết quả, hệ số bậc hai ở mẫu số của (3-26) có thể là những cập nghiệm thực hoặc một
cập các nghiệm liên hợp phức, tương tự với tử số của (3-26).

Hình 3.12: Cấu trúc FIR chuyển vị.
12

Đề tài nghiên cứu khoa học

Mỗi hệ thống con bậc hai với hàm truyền hệ thống dạng (3-26) có thể được mô tả
bằng dạng trực tiếp I, hoặc dạng trực tiếp II, hoặc dạng trực tiếp II chuyển vị. Từ việc
có nhiều cách để nhóm cập các cực và zero của H(z) thành một cascade của một phần
hệ thống bậc hai, và có nhiều cách để đạt được kết quả của hệ thông con, đều này có
thể đạt được một sự đa dạng các mô hình cascade. Mặc dù, tất cả các mô hình cascade
đều có độ chính xác tương đương nhau, các mô hình đa dạng này có thể khác nhau
đáng kể khi bổ xung các số có độ chính xác hạn chế.

(a)

(b)
Hình 3.13: Cấu trúc cascade các hệ thống con bậc hai
và mô hình mỗi phần bậc hai.
3.3.2.4 Mô hình dạng song song
Một mô hình dạng song song của một hệ thống IIR có thể đạt được bởi một phần
phân số trong khai triển của H(z). Chúng ta giả sử rằng N ≥ M và các cực là riêng
biệt. Bằng cách biểu diễn một phần trong phân số khai triển H(z), đạt được kết quả
sau:
(3-27)

Trong đó: {pk} là các cực, {Ak} là các hệ số trong phần phân số khai triển, và
hằng số C được xác định bằng C = bN/aN. Cấu trúc cho bởi (3-27) được minh họa bằng
hình 3.14, bao gồm các nhánh song song của các bộ lọc cực đơn.

Hình 3.14: Cấu trúc song song của hệ thống IIR.
13

Đề tài nghiên cứu khoa học

Tổng quát, một vài cực của H(z) có thể là giá trị phức. Trong trường hợp, các hệ
số liên hệ Ak cũng là giá trị phức. Để tránh nhân nhiều số phức, có thể kết hợp các cặp
cực liên hợp phức để hình thành các hệ thống con hai cực. Thêm vào đó có thể kết hợp
các cặp cực giá trị thực để hình thành các hệ thống con hai cực. Mỗi hệ thống con này
có dạng sau:
(3-28

Trong đó: hệ số {bki} và {aki} là các thông số hệ thống có giá trị thực. các hàm ở
trên có thể được biểu diễn bởi:
(3-29)

K là phần nguyên của (N+1)/2. Khi N là số lẽ, một trong các hàm Hk(z) là hệ
thống cực đơn (vd: bk1 = ak2 = 0).
Các phần bậc hai riêng lẻ là các khối hợp nhất cơ bản cho H(z) có thể được thực
hiện bởi các dạng trực tiếp hoặc dạng trực tiếp chuyển vị. Mô hình dạng song song của
hệ thống FIR được mô tả bởi tập hợp công thức sau:
(3-30)
(3-31)
(3-32)

3.3.2.5 Cấu trúc lưới và lưới-bậc thang của hệ thống IIR
Một hệ thống toàn cực với hàm hệ thống:
(3-33)

Hình 3.15: Mô hình dạng trực tiếp của hệ thống toàn cực.

Hình 3.16: Cấu trúc lưới của hệ thống IIR toàn cực.

14


Đề tài nghiên cứu khoa học

Hình 3.17: Hệ thống lưới đơn cực và lưỡng cực.
3.4 Ưu điểm và nhược điểm của bộ lọc FIR và IIR
3.4.1 Ưu điểm của bộ lọc FIR so với bộ lọc IIR
-

Lọc FIR có thể thiết kế dễ dàng với pha tuyến tính, lọc có pha tuyến tính làm trể
tín hiệu ngõ vào nhưng không làm méo pha.
Lọc FIR thực hiện đơn giản hơn. Hầu hết các bộ vi xử lý DSP việc tính toán
cho bộ lọc FIR có thể được thực hiện với một vòng chỉ dẫn đơn giản.

- Lọc FIR thích hợp với nhiều loại ứng dụng với tốc độ khác nhau.
- Chúng ta có những đặc tính số học mong muốn. Thông thường tất cả bộ lọc DSP
phải được thực hiện bằng cách sử dụng số học chính xác hữu hạn, giới hạn số
lượng bit. Sử dụng số học chính xác hữu hạn trong bộ lọc FIR có thể gây ra
những vấn đề quan trọng về sự phản hồi, nhưng bộ lọc FIR không có hồi tiếp,
do đó, chúng có thể được thực hiện với số lượng bit ít hơn, và công việc thiết kế
có ít vấn đề thực tế hơn để xử lý mối liên hệ với số học không lý tưởng.
- Chúng có thể được thực hiện với việc sử dụng số học dạng phân số. Không như
các bộ lọc IIR, nó luôn có thể thực hiện một bộ lọc FIR sử dụng hệ số với một
lượng ít hơn 1.0 ( độ lợi toàn hệ thống của bộ lọc FIR có thể điều chỉnh tại ngõ
ra của nó, nếu muốn). Đây là vấn đề quan trọng khi sử dụng điểm cố định của
DSP, bởi vì nó thực hiện đơn giản hơn.
3.4.2 Nhược điểm của bộ lọc FIR so với bộ lọc IIR
Bộ lọc FIR đòi hỏi nhiều bộ nhớ hơn và sự tính toán để đạt được đặc tính đáp

ứng bộ lọc đã cho. Cũng như những đáp ứng nào đó không thực hành để thực hiện với
các bộ lọc FIR.

15


Đề tài nghiên cứu khoa học

Chương 4
MẠNG NƠRON
4.1 Cấu trúc bộ não người
Não là tổ chức vật chất cao cấp, có cấu tạo vô cùng phức tạp, dày đặc các mối
liên kết giữa các nơron nhưng xử lí thông tin rất linh hoạt trong một môi trường bất
định.
Trong bộ não có khoảng 1011 - 1012 nơron và mỗi nơron có thể liên kết với 104
nơron khác qua các khớp nối. Những kích hoạt hoặc ức chế này được truyền qua trục
nơron (axon) đến các nơron khác. Trên hình là hình ảnh của tế bào nơron trong não
người.

Hình 4.1: Tế bào nơron trong não người.
4.2 Mô hình một nơron
Nơron là một đơn vị xử lí thông tin cơ bản trong hoạt động của một mạng nơron.
Nơron bao gồm ba thành phần cơ bản là synapse (khớp nối), bộ cộng và hàm truyền.
Bộ cộng (adder): cộng tất cả các tín hiệu ngõ vào sau khi đã nhân với các trọng
số tương ứng, thường là các bộ cộng tuyến tính.
Hàm truyền (activation function): giới hạn biên độ ngõ ra của một nơron, cũng
cho phép biên độ ngõ ra của nơron nằm trong khoảng giá trị giới hạn cho phép thường
là [0,1] hay [-1,1].
Nơron trong hình trên còn chứa một thành phần nữa đó là bias, kí hiệu là bk. Bias
bk có tác dụng làm tăng hay giảm giá trị ngõ vào của hàm truyền tùy thuộc vào giá trị

âm hay dương của bias bk.
x1

wk1

x2

wk2

.
.
xm

Bias
bk

Hàm
truyền

ϕ (.)

∑

.
.

Ngõ
ra

vk

wkm
Các trọng
số

Hình 4.2 : Mô hình phi tuyến của nơron .
16


Đề tài nghiên cứu khoa học

4.3 Các hàm truyền thông dụng
Hàm truyền có thể là hàm tuyến tính hay phi tuyến. Việc chọn hàm truyền cụ thể
tùy thuộc vào mục đích, yêu cầu, vấn đề mà nơron muốn giải quyết.

4.4 Cấu trúc mạng nơron

Hình 4.8 : Cấu trúc của mạng nơron .
Các nơron được nhóm vào các lớp. Tín hiệu từ môi trường bên ngoài (inputs)
được đưa vào mạng. Tuy nhiên, có quan điểm cho rằng các ngõ vào tạo thành lớp vào
(input layer).
Lớp ra bao gồm các ngõ ra của mạng nơron sẽ được đưa đến khối xử lí tùy vào
ứng dụng của mạng, nằm giữa lớp vào và lớp ra là các lớp ẩn.

17


Đề tài nghiên cứu khoa học

Khi lớp vào nhận tín hiệu, các nơron sẽ cho các ngõ ra tương ứng, các ngõ ra này

lại là các ngõ vào của lớp kế tiếp và cứ như vậy cho đến khi ngõ ra của lớp ẩn cuối
cùng là ngõ vào của lớp ra.
Mạng nơron một lớp với R ngõ vào và S nơron có cấu trúc như sau

Hình 4.9 : Mạng nơron một lớp nhiều nơron .
Trong mạng này, mỗi phần tử trong vector ngõ vào p được nối với mỗi nơron
thông qua ma trận trọng số W. Nơron thứ i có bộ cộng cộng tất cả ngõ vào có trọng số
với bias để tạo ra ngõ ra vô hướng n(i). Các ngõ ra n(i) kết hợp lại tạo thành vector n
gồm S phần tử làm ngõ vào của hàm truyền để tạo ra vector cột a.
a = f(Wp + b)
Một lớp không bắt buộc phải có số ngõ vào bằng số nơron của nó, nghĩa là R có
thể khác S.
Một mạng nơron có thể có nhiều lớp. Mỗi lớp có ma trận trọng số W, bias, ngõ
ra riêng. Để phân biệt các ma trận trọng số, các bias,…

Hình 4.12: Mạng ba lớp.
18


Đề tài nghiên cứu khoa học

Chương 5

CÁC GIẢI THUẬT TRIỆT NHIỄU
5.1 Đặt vấn đề
5.1.1 Giới thiệu
Trong nhiều ứng dụng xử lí tiếng nói, các đặc trưng của nhiễu đã được phát hiện
và nghiên cứu. Mặc dù nhiễu là tín hiệu có băng thộng rộng nhưng hầu hết năng lượng
nhiễu tập trung ở một số tần số chính. Điều này dẫn đến việc ứng dụng các bộ lọc chặn
băng hẹp có khả năng thích nghi theo những biến đổi của đặc tính nhiễu.

Các hệ thống triệt nhiễu cổ điển dựa trên việc ứng dụng lọc tuyến tính thích nghi
và ứng dụng của các bộ lọc số với đáp ứng xung hữu hạn (FIR). Điểm mạnh của
phương pháp này là việc phân tích các hệ thống tuyến tính rất đơn giản trong quá trình
thích nghi và đảm bảo ổn định cho hệ thống. Các giải thuật thích nghi cho các hệ
thống này là LMS (Least Mean Squares) và RLS (Recursive Least Squares). Đối với
phương pháp triệt nhiễu cổ điển, ngoài ngõ vào chính, hệ thống đòi hỏi phải có thêm
một ngõ vào tham chiếu. Giải thuật NLMS (Normalised Least Mean Squares) hay
ABNS (Adaptive Blind Noise Suppression) được gọi là “blind” vì nó không cần đến
ngõ vào tín hiệu tham chiếu.
5.1.2 Lọc thích nghi và triệt nhiễu thích nghi
Hệ thống triệt nhiễu thích nghi sử dụng bộ lọc số với đáp ứng xung hữu hạn (FIR)
như hình 5.1. Ngõ vào hệ thống gồm tín hiệu s ( n ) và nhiễu n2 ( n ) . Hệ thống tạo ra
một tín hiệu nhiễu tham chiếu n1 ( n ) . Hai nhiễu n1 ( n ) và n2 ( n ) tương quan với nhau
và hi ( n ) là đáp ứng xung của đường truyền nhiễu. Mục tiêu của hệ thống là làm giảm
ảnh hưởng của nhiễu ở ngõ vào. Điều này đồng nghĩa với việc cực tiểu hoá sai số
trung bình bình phương E ⎡⎣e2 ( n ) ⎤⎦ .
s(n)+n2(n)

e(n)

hi(n)
wi(n)
n3(n)

n1(n)

Hình 5.1: Triệt nhiễu thích nghi.
Ta có:

e ( n ) = s ( n ) + n2 ( n ) − n3 ( n )

(5-1)

với n3 ( n ) là ngõ ra của bộ lọc thích nghi.
N

n3 ( n ) = ∑ w i ( n ) n1 ( n )

(5-2)

i =0

với N là bậc bộ lọc và w i ( n ) là hệ số thứ i của bộ lọc thích nghi.
Giả sử s ( n ) độc lập với n1 ( n ) và n2 ( n ) :
19


Đề tài nghiên cứu khoa học

E ⎡⎣e 2 ( n ) ⎤⎦ = E ⎡⎣ s 2 ( n ) ⎤⎦ + E ⎡⎣ n2 ( n ) − n3 ( n ) ⎤⎦

2

(5-3)

Cực tiểu hoá E ⎡⎣e 2 ( n ) ⎤⎦ đồng nghĩa với cực tiểu hoá sự sai biệt giữa n2 ( n ) và
n3 ( n ) . E ⎡⎣ e 2 ( n ) ⎤⎦ sẽ nhỏ nhất khi n2 ( n ) ≈ n3 ( n ) nghĩa là đáp ứng xung của bộ lọc thích
nghi gần giống với đáp ứng xung của đường truyền nhiễu. Có thể cực tiểu hoá
E ⎡⎣e 2 ( n ) ⎤⎦ bằng cách cập nhật giá trị w i ( n ) của bộ lọc. Các giải thuật NLMS và RLS

thường được sử dụng để cập nhật giá trị w i ( n ) của bộ lọc.
Giải thuật NLMS có ưu điểm đó là stepsize (bước nhảy) tương đối độc lập với
biên độ tín hiệu ngõ vào.
5.2 Giải thuật LMS
Đặt J ( n ) = E ⎡⎣e 2 ( n ) ⎤⎦

(5-6)

Mục tiêu của giải thuật là cực tiểu hoá hàm J ( n ) .
Trình tự thực hiện giải thuật LMS:
1. Khởi tạo giá trị stepsize μ .
2. Khởi tạo vector hệ số bộ lọc w ( n ) sử dụng một số dương nhỏ ε
w ( 0 ) = [ε , ε ,..., ε ]

T

(5-9)

3. Khởi tạo vector dữ liệu ϕ ( n ) = [u(n) y(n)]
ϕ ( 0 ) = [ 0, 0,..., 0]

T

(5-10)

4. Chạy vòng lặp: For n = 1 , cập nhật vector dữ liệu ϕ ( n ) dựa trên ϕ ( n − 1) và dữ
liệu ngõ vào hiện tại u ( n ) và dữ liệu ngõ ra y ( n ) .
5. Xác định đáp ứng dự đoán yˆ ( n ) theo biểu thức sau:
yˆ ( n ) = ϕ T ( n ) w ( n )

(5-11)

6. Xác định lỗi e ( n ) theo biểu thức sau:
e ( n ) = y ( n ) − yˆ ( n )

(5-12)

7. Cập nhật giá trị vector w(n)
(5-13)
w ( n+1) = w ( n ) + μ e ( n ) ϕ ( n )
Giải thuật LMS là một trong các giải thuật được dùng rộng rãi nhất. Vấn đề lựa
chọn stepsize rất quan trọng trong khi sử dụng giải thuật LMS.
Việc chọn lựa giá trị stepsize μ ảnh hưởng trực tiếp đến tốc độ hội tụ và độ ổn
định của giải thuật. Tốc độ hội tụ của giải thuật LMS thường tỉ lệ thuận với stepsize
μ . Tuy nhiên, stepsize lớn có thể làm cho giải thuật LMS trở nên mất ổn định.
Stepsize nên nằm trong khoảng giá trị sau: 0 ≤ μ ≤ μmax . Hệ số μmax là giá trị stepsize
lớn nhất mà không làm cho giải thuật LMS mất ổn định.
5.3 Giải thuật RLS
Mục đích của giải thuật thích nghi là cực tiểu hoá hàm J ( n ) được định nghĩa như
sau:

J ( n ) = E ⎡⎣e 2 ( n ) ⎤⎦

(5-14)

Giải thuật RLS có thể được tổng quát hoá như sau:
Ước lượng nhiễu:
20