Çeşitli işaret işleme algoritmaları ile lazer mikrofon sisteminde gürültünün bastırılması

Abstract

Sesi uzak mesafelerden dinlemenin yollarından biri de lazer mikrofonlardır. Lazer mikrofonlar akusto-optik etki ile ışığın ses tarafından modülasyona uğraması prensibine dayalı çalışır. Elde edilen ses dalgasına ait girişim deseninin sayısal işaret işleme algoritmaları kullanılarak işlenmesi ile yeniden oluşturulan sesin düşük düzeyde gürültüye sahip olması oldukça önemlidir. Bu çalışmada gürültünün indirgenmesi sonucunda yeniden oluşturulan ses dalgası kullanılarak elde edilen sistemin SNR değerinin yüksek bir değere sahip olması için bu tezde farklı işaret işleme algoritmaları ve filtreleme tekniği önerilmiştir. Burada ses dalgasının dinlenildiği lazer mikrofon sistemi `Michelson İnterferometresine` dayalıdır. Kullanılan işaret işleme algoritmaları: Fourier, Stockwell, Hilbert ve Sürekli Dalgacık Dönüşümleri ile oluşturulmuştur. Ters Filtreleme (Inverse Filtering) sadece Hilbert dönüşümüne dayalı işaret işleme uygulamasından sonra kullanılmıştır. Çünkü diğer işaret işleme algoritmalarının yapılarında kendi filtreleri bulunmaktadır. Ayrıca bu ters filtrenin performansını arttırmak için gamma tresholding de kullanılmıştır.

One way to listen to sound from long distances is through laser microphones. Laser microphones work on the principle of modulation of light by sound with acusto-optical effect. It is very important that the reproduced sound has a low level of noise by processing the interference pattern of the obtained sound wave using digital signal processing algorithms. In this study, different signal processing algorithms and filtering techniques are proposed in this thesis in order to have a high value of SNR of the system which is obtained by using sound wave which is reconstructed as a result of noise reduction. The laser microphone system where the sound wave is listened to is based on the Michelson interferometer. The signal processing algorithms used are: Fourier, Stockwell, Hilbert and Continuous Wavelet Transforms. Reverse Filtering was used only after signal processing based on the Hilbert transform. Because other signal processing algorithms have their own filters.