به کارگیری روش های یادگیری تقویتی و کاهش ابعاد داده درحذف نویز به صورت فعال

آلودگی صوتی یکی از معضلات جدی جوامع صنعتی می باشد. هر چند روش های متکی بر جذب صوت کاربردهای فراوانی داشته اما در فرکانس های پایین کارایی لازم را ندارند. برای غلبه بر این مشکل رویه های فعال برای حذف نویز ارائه گردیده اند. در این تحقیق نیز به منظور کاهش نویز صوتی به صورت فعال، ایده هایی مبتنی بر یادگیری تقویتی ارائه گردید. در این مسیر ابتدا برای سیگنال های تناوبی یک روش پیشنهاد شد که در آن نیازی به دانستن اطلاعات دینامیک نبوده و بار محاسباتی اندکی داشت اما نیاز به حافظه زیاد در بسیاری از موارد عملکرد آن را محدود می نمود. با ترکیب این روش با تکنیک های کاهش داده - نظیر تقسیم و غلبه، تقریب تابع، تجمیع حالات و کد سازی غیریکنواخت - متدهای جدیدی با افزایش قابل ملاحظه ای در بازدهی شکل گرفت. حذف نویز صوتی تناوبی با چند هارمونیک به کمک مبحث سیستم چند عاملی نیز از دیگر روش های ارائه شده در این پایان نامه بود. در سیستم پیشنهادی، وظیفه در نظر گرفته شده برای هر عامل، حذف نویز در یک هارمونیک خاص بود اما تنها سیگنال تقویتی در دسترس، توان کل بود. برای حل این معضل و دست یابی به پاداش اختصاصی هر عامل از پاداش عمومی از ایده "تکنیکهای ارزیابی عامل نقاد مبتنی بر دانش" با تغییر مناسب استفاده گردید. در این تحقیق گستره استفاده از یادگیری تقویتی برای حذف نویز به صورت فعال تنها به سیگنال های تناوبی محدود نگشت و روش هایی نیز برای سیگنال های پهن باند ارائه گردید. بنابراین در مجموع در این پایان نامه 2 روش برای حذف نویزهای صوتی پهن باند و 11 روش برای نویزهای تناوبی ارائه و به کمک شبیه سازی کامپیوتری عملکرد آن ها با یکدیگر و با روش های استاندارد دیگر مقایسه گردید و کارائی مناسب روش های پیشنهادی نشان داده شد.