Search academic texts

Information × Registration Number 2124U009207, Article popup.category Опубліковано, Стаття Title ADAPTIVE FILTERING AND MACHINE LEARNING METHODS IN NOISE SUPPRESSION SYSTEMS, IMPLEMENTED ON THE SoC popup.author Шкіль О. С.Філіпенко О. І.Рахліс Д. Ю.Філіпенко І. В.Пархоменко А. В.Корнієнко В. Р.Shkil A. S.Filippenko O. I.Rakhlis D. Y.Filippenko I. V.Parkhomenko A. V.Korniienko V. R. popup.publication 26-12-2024 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/316221 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Сучасні системи відео конференційного зв’язку працюють у різноманітному шумовому оточенні, тому актуальними завданнями є збереження чіткості мовлення та забезпечення швидкої адаптації до зміни цього оточення. При розробці вбудованих систем виникає необхідність знайти баланс між споживанням ресурсів, продуктивністю та якістю сигналу, отриманого після придушення шуму. Системи на кристалі дозволяють використовувати потужність як процесорних ядер, доступних на апаратній платформі, так і FPGA, для виконання складних обчислень, що сприяє підвищенню швидкодії або зменшенню навантаження на основні ядра SoC. Мета. Проведення порівняльного аналізу якості придушення шуму у аудіо сигналах алгоритмом адаптивної фільтрації та алгоритмом фільтрації з використанням машинного навчання на основі нейронної мережі rnnoise в пристроях придушення шуму на технологічній платформі SoC. Метод. Оцінка за допомогою об’єктивних метрик, аналіз спектрограм з використанням бібліотеки Librosa на Python. Навчання нейромережі та проєктування моделі виконується на основі інструментів Python та Torch. Для реалізації нейронної мережі на платформі SoC використовувався пакет Vitis IDE. Результати. Виконано аналіз двох методів придушення шуму з використанням адаптивного фільтру Вейнера та нейронної мережі RNNoise. У розглянутих сценаріях було визначено що нейронна мережа показує кращі результати придушення шуму згідно до аналізу спектрограм та об’єктивних метрик. Висновки. У роботі було виконано порівняльний аналіз ефективності алгоритмів придушення шуму на базі адаптивних фільтрів і нейронної мережі у сценаріях з різним шумовим оточенням. Були отримані результати об’єктивих метрик SIGMOS для оцінки якості отриманого аудіосигналу. Додатково була виконана перевірка можливості запуску нейронної мережі RNNoise на технологічній платформі SoC ZYNQ 7000. popup.nrat_date 2026-02-15 Close