Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Thực hiện thời gian thực kiến trúc song song dựa trên giảm thiểu tiếng ồn từ tín hiệu giọng nói trên FPGA
Tóm tắt
Trong những năm gần đây, việc thực hiện phần cứng thời gian thực của hệ thống giảm thiểu tiếng ồn thích nghi dựa trên LMS trên FPGA đang ngày càng trở nên phổ biến. Nhiều nghiên cứu đã được báo cáo trong lĩnh vực này. Tuy nhiên, việc thực hiện dựa trên NLMS của hệ thống giảm thiểu tiếng ồn thích nghi trên FPGA sử dụng Xilinx System Generator (XSG) vẫn chưa được báo cáo. Bài báo này khám phá các hình thức khác nhau của kiến trúc song song dựa trên thuật toán NLMS và việc thực hiện phần cứng của nó trên FPGA sử dụng XSG để giảm tiếng ồn từ các tín hiệu giọng nói. Tổng cộng, các hình thức: hình thức trực tiếp, cây nhị phân hình thức trực tiếp và hình thức chuyển vị của kiến trúc song song của bình phương trung bình nhỏ nhất chuẩn hóa (NLMS), bình phương trung bình nhỏ nhất chuẩn hóa bị trễ và bình phương trung bình nhỏ nhất chuẩn hóa bị trễ đã được thực hiện trên FPGA sử dụng mô hình đồng mô phỏng phần cứng. Các thông số hiệu suất (SNR và MSE) của các thuật toán này được phân tích cho hệ thống giảm thiểu tiếng ồn thích nghi và so sánh với các kiến trúc song song của bình phương trung bình nhỏ nhất (LMS), bình phương trung bình nhỏ nhất bị trễ và bình phương trung bình nhỏ nhất bị trễ đã chuyển vị tương ứng. Sự tận dụng phần cứng của tất cả các thuật toán trên cũng được phân tích và so sánh. Kết quả cho thấy rằng việc thực hiện dựa trên NLMS vượt trội hơn so với LMS cho tất cả các hình thức kiến trúc song song trong các tham số cho trước với sự tăng nhẹ trong việc sử dụng thiết bị. Hình thức trực tiếp của cây nhị phân NLMS đã đạt được mức cải thiện SNR tối đa (39.83 dB) so với các biến thể NLMS khác với sự tối ưu hóa tài nguyên.
Từ khóa
Tài liệu tham khảo
Farhang-Boroujeny, B. (1999). Adaptive filters, theory and applications. New York: Wiley.
Haykin, S. (2002). Adaptive filter theory (4th ed.). Upper Saddle River, N.J: Prentice Hall.
Sayed, A. (2003). Fundamentals of adaptive filtering (1st ed.). Hoboken, NJ: Wiley.
Gupta, D. K., Gupta, V. K., & Chandra, M. (2014). Review paper on linear and nonlinear acoustic echo cancellation. In Proceedings of the 3 rd international conference on frontiers of intelligent computing: Theory and applications (FICTA 2014), (Vol. 2, pp. 465–473). Springer.
Stefano, A. D., Scaglione, A., & Giaconia, C. (2005). Efficient FPGA implementation of an adaptive noise canceller. In Proceedings of the seventh international workshop on computer architecture for machine perception (CAMP’05). (pp. 87–89). Palermo, Italy. https://doi.org/10.1109/camp.2005.22.
Ramos, R., Mànuel-Làzaro, A., Del Río, J., & Olivar, G. (2007). FPGA-based implementation of an adaptive canceller for 50/60-Hz interference in electrocardiography. IEEE Transactions on Instrumentation and Measurements, 56(6), 2633–2640.
Fohl, W., & Matthies, J. (2009). A FPGA-based adaptive noise cancelling system. In Proceedings of the 12th international conference on digital audio effects (DAFx-09). Como, Italy.
Memon, I., Chen, L., Majid, A., & Chen, G. (2014). Travel recommendation using geo-tagged photos in social media for tourist. Wireless Personal Communications, 80(4), 1347–1362.
Sharifi Tehrani, O., Ashourian, M., & Moallem, P. (2010). FPGA implementation of a channel noise canceller for image transmission. In Proceedings of the 6th Iranian machine vision and image processing conference. Isfahan, Iran. (pp. 155–160). https://doi.org/10.1109/10.1109/IranianMVIP.2010.5941155.
Satheeskumaran, S., & Sabrigiriraj, M. (2015). VLSI implementation of a new LMS-based algorithm for noise removal in ECG signal. International Journal of Electronics. https://doi.org/10.1080/00207217.2015.1082204.
Stanciu, C., Anghel, C., & Paleologu, C. (2016). FPGA implementation of an optimized NLMS algorithm. In Proceedings of the 12th IEEE international symposium on electronics and telecommunications (ISETC). Timisoara, Romania. https://doi.org/10.1109/isetc.2016.7781110.
Bahoura, M., & Ezzaidi, H. (2011). FPGA-implementation of parallel and sequential architectures for adaptive noise cancelation. Circuits Systems and Signal Processing., 30(6), 1521–1548. https://doi.org/10.1007/s00034-011-9310-0.
Thenmozhi, R., & Karthikeyan, S. (2015). An efficient parallel architecture in design and implementation of adaptive LMS algorithm. ARPN Journal of Engineering and Applied Sciences, 10(7), 3150–3153.
Xilinx System Generator for DSP Getting Started Guide. https://www.xilinx.com/support/documentation/sw_manuals/xilinx11/sysgen_gs.pdf, 2009.
Hawkes, G. C. (2005). DSP: Designing for optimal results, High-Performance DSP Using Virtex-4 FPGAs. Advanced Design Guide. Xilinx Inc, 1.0 edition.
Vertax-6 FPGA Configurable Logic Block. User Guide, UG364 (V1.2), Feb 3 2012. https://www.xilinx.com/support/documentation/user_guides/ug364.pdf.
Meyer-Baese, U. (2007). Digital signal processing with field programmable gate arrays (3rd ed.). Berlin: Springer.
Jindapetch, N., Chewea, S., & Phukpattaranont, P. (2012). FPGA implementation of an ADALINE adaptive filter for power-line noise cancellation in surface ecetromyography signals. Measurements, 45, 405–414.
Woods, R., McAllister, J., & Yi, Y. (2008). FPGA-based implementation of signal processing systems. Hoboken: Wiley.
Milna, T. J., & Mythili, S. K. (2014). Survey on DLMS adaptive filter with low delay. International Journal of Research in Computer and Communication Technology, 3(9), 971–975.
Ahn, S., & Voltz, P. J. (1996). Convergence of the delayed normalized LMS algorithm with decreasing step size. IEEE Transactions on Signal Processing, 44(12), 3008–3016. https://doi.org/10.1109/78.553475.
Samudravijaya, K., Rao, P. V. S., & Agrawal, S. S. (2000). Hindi speech database. In Proceedings of international conference on spoken language processing (ICSLP00).
Varga, A., Steeneken, H. J. M., & Jones, D. (1992). The noisex-92 study on the effect of the additive noise on automatic speech recognition system. Reports of NATO Research Study Group (RSG.10).