🔇 Калькулятор шумопридушення
Аналіз та моделювання алгоритмів шумопридушення: фільтр Вінера, адаптивні фільтри, оцінка SNR та якості фільтрації
📊 Розрахунок відношення сигнал/шум (SNR)
📉 Калькулятор шумових характеристик
📈 Фільтр Вінера
Оптимальний лінійний фільтр для мінімізації середньоквадратичної похибки між оціненим та справжнім сигналом.
Частотна характеристика фільтра
Імпульсна характеристика
🔄 Адаптивні фільтри
LMS
Простий, низька обчислювальна складність O(N). Повільна збіжність.
NLMS
Нормалізований LMS, стабільніший при змінній потужності сигналу.
RLS
Швидка збіжність, висока обчислювальна складність O(N²).
Калман
Оптимальний для гаусових процесів, потребує моделі системи.
Крива навчання
Коефіцієнти фільтра
🎮 Інтерактивна симуляція шумопридушення
Оригінальний сигнал
Зашумлений сигнал
Відфільтрований сигнал
Спектри сигналів
📚 Теорія шумопридушення
1. Основні поняття
Шумопридушення (Noise Reduction) — це процес видалення або зменшення шуму з сигналу. Шум може бути випадковим (білий шум) або структурованим (періодичні завади).
2. Відношення сигнал/шум (SNR)
SNR — ключова метрика якості сигналу:
SNR(дБ) = 10 × log₁₀(P_signal / P_noise)
SNR(дБ) = 20 × log₁₀(A_signal / A_noise) — для амплітуд
Інтерпретація SNR:
- > 40 дБ — відмінна якість
- 30-40 дБ — хороша якість
- 20-30 дБ — прийнятна якість
- 10-20 дБ — низька якість
- < 10 дБ — дуже низька якість
3. Фільтр Вінера
Оптимальний лінійний фільтр, що мінімізує середньоквадратичну похибку (MSE) між оціненим та справжнім сигналом.
де:
S_xx(f) — спектральна щільність потужності сигналу
S_nn(f) — спектральна щільність потужності шуму
Властивості фільтра Вінера:
- Оптимальний у сенсі мінімуму MSE
- Потребує знання статистики сигналу та шуму
- Нестаціонарний для нестаціонарних процесів
- Застосовується в обробці зображень, аудіо, комунікаціях
4. Адаптивні фільтри
Фільтри, що автоматично налаштовують свої параметри для оптимальної обробки.
4.1 LMS (Least Mean Squares)
y(n) = w^T(n) × x(n)
w(n+1) = w(n) + μ × e(n) × x(n)
де μ — крок адаптації, 0 < μ < 2/λ_max
4.2 NLMS (Normalized LMS)
де ε — мала константа для стабільності
4.3 RLS (Recursive Least Squares)
e(n) = d(n) - w^T(n-1)x(n)
w(n) = w(n-1) + k(n)e(n)
P(n) = (P(n-1) - k(n)x^T(n)P(n-1)) / λ
де λ — фактор забування (0.95 - 1.0)
5. Фільтр Калмана
Оптимальний рекурсивний оцінювач для лінійних гаусових систем.
x̂(k|k-1) = F × x̂(k-1|k-1)
P(k|k-1) = F × P(k-1|k-1) × F^T + Q
Етап корекції:
K(k) = P(k|k-1) × H^T × (H × P(k|k-1) × H^T + R)^(-1)
x̂(k|k) = x̂(k|k-1) + K(k) × (z(k) - H × x̂(k|k-1))
P(k|k) = (I - K(k) × H) × P(k|k-1)
6. Спектральне віднімання
Простий метод для мовних сигналів:
де:
|Y(f)|² — спектр зашумленого сигналу
|N(f)|² — оцінка спектра шуму
α — коефіцієнт перевіднімання (1.0 - 2.0)
7. Тепловий шум
Фундаментальне обмеження в електронних системах:
де:
k = 1.38 × 10^(-23) Дж/К — стала Больцмана
T — абсолютна температура (К)
B — смуга частот (Гц)
При T = 290 К: P_n = -174 дБм/Гц
8. Метрики якості
- MSE — середньоквадратична похибка
- PSNR — пікове відношення сигнал/шум
- SSIM — структурна подібність (для зображень)
- PESQ — перцептуальна оцінка якості мовлення
9. Практичні застосування
- Аудіо: шумопридушення в мікрофонах, слухових апаратах
- Зображення: медична візуалізація, астрономія
- Телекомунікації: еквалайзери, ехо-компенсація
- Радари: виявлення цілей, трекінг
- Біомедицина: ЕКГ, ЕЕГ обробка
- Сейсмологія: аналіз геологічних даних
10. Порівняння методів
| Метод | Складність | Збіжність | Застосування |
|---|---|---|---|
| Ковзне середнє | O(1) | - | Прості сигнали |
| LMS | O(N) | Повільна | Ехо-компенсація |
| RLS | O(N²) | Швидка | Еквалізація |
| Калман | O(N³) | Оптимальна | Трекінг, навігація |
| Вінер | O(N log N) | - | Зображення, аудіо |
Практичне значення та контекст
Де застосовується
Інструменти даного типу широко застосовуються у навчальній та дослідницькій діяльності. Вони дозволяють швидко отримувати точні числові результати, перевіряти аналітичні розрахунки та моделювати різноманітні сценарії. Використання онлайн-калькуляторів значно прискорює роботу науковців, інженерів, студентів та спеціалістів-практиків, які щодня стикаються з відповідними обчислювальними задачами.
Часті запитання (FAQ)
📁 Категорія: Електротехніка