هادی صدوقی یزدی - بخش مهندسی برق، دانشگاه تربیت مدرس
احمد مردانی مهرآباد - شرکت مخابرات استان تهران
مجتبی لطفی زاد
محمدرضا کرمی - بخش مهندسی برق، دانشگاه مازندران

حذف نویز آکوستیکی ANC، در یک مجرا دارای ماهیت غیرخطی است . بنابراین فیلترهای وفقی خطی همچون LMS قادر به حذف فعال نویزهای آکوستیکی نیستند . به دلیل ردیابی خوب فیلترLMS در یک محیط نویزی، الگوریتم خطی FX-LMS بعنوان یک روش پایه در ANC ارائه شده است که به نحوی ماهیت غیرخطی مجرا را مدل می کند . در این مقاله نشان داده م یشود که با مدل کردن مجرا بوسیل هی شبکه ی عصبی RBF تعمیم یافته ٥ که توانایی مدل کردن رفتار غیرخطی را دارد می توان با یک فیلتر وفقی LMS خطی، نویز باند باریک فرکانس متغیر یک مجرا را بهتر از الگوریت م FX-LMS حذف کرد. در این روش ابتدا مجرا با یک شبکه ی عصبی RBF تعمیم یافته، شناسایی م ی شود . سپس با اعمالN تاخیرزمانی از سیگنال ورودی بهNشبکه ی عصبیRBF تعمیم یافته و بوسیله ی یک ترکیب کننده ی خطی در خروجی آنها، شناساییسیستم غ یرخطی بصورت برخط امکان پذیر می شود. وزن های ترکیب کننده ی خطی با الگوریتم NLMS بهنگام می شوند روش ارائه شده در مقا یسه با الگوریتمFX-LMSبیش از ٣ بار سریعتر و ٣٠ درصد خطای کمتری دارد . همچنین تغییر فرکانس ورودی سبب واگرایی الگوریتم معمولFX-LMS می شود، حال آنکه روش پیشنهادی همگرا م یشود

شبکه های عصبیRBF شبکه های تاخیر زمانی تعمیم یافته، الگوریتمFX-LMS خوشه بندی فازی