Rate-dependent hysteresis is a nonlinear phenomenon with memory that characterizes numerous audio systems, such as piezoelectric transducers and audio transformers. Due to its highly complex nature, hysteresis has always been hard to model, especially as far as circuital simulation is concerned. In this work, we employ neural networks for the data-driven modeling of B-H hysteresis in ferromagnetic materials. We propose a novel modification to the training paradigm of Recurrent Neural Networks that allows us to repurpose state-of-the-art architectures for discrete-time simulation. We then employ the proposed methodology for the Wave Digital modeling of hysteresis by enclosing the neural network inside a single Wave Digital block. Finally, we successfully test the developed model for the emulation of the output stage of a vacuum-tube guitar amplifier.

L'isteresi è un fenomeno non lineare con memoria che caratterizza numerosi sistemi audio, come trasduttori piezoelettrici e trasformatori elettrici, dove la sua dipendenza dalla frequenza risulta essere di particolare interesse. A causa della sua natura complessa, l'isteresi è sempre stata difficile da modellare, soprattutto per quanto riguarda la simulazione circuitale. In questo lavoro di tesi, ci avvaliamo di reti neurali per la modellazione della caratteristica isteretica B-H dei materiali ferromagnetici partendo da dati sperimentali. Proponiamo inoltre una nuova modifica al paradigma di addestramento delle reti neurali ricorrenti che ci consenta di riutilizzare le architetture dello stato dell'arte nel contesto della simulazione a tempo discreto. La nuova metodologia proposta è quindi utilizzata per la modellazione nel dominio d'onda dell'isteresi per mezzo dell'integrazione di una rete neurale ricorrente all'interno di un singolo componente circuitale. Il modello sviluppato è infine testato con successo per l'emulazione dello stadio di uscita di un amplificatore valvolare per chitarra.

Wave digital filter modeling of audio circuits with hysteresis nonlinearities using neural networks

Massi, Oliviero
2020/2021

Abstract

Rate-dependent hysteresis is a nonlinear phenomenon with memory that characterizes numerous audio systems, such as piezoelectric transducers and audio transformers. Due to its highly complex nature, hysteresis has always been hard to model, especially as far as circuital simulation is concerned. In this work, we employ neural networks for the data-driven modeling of B-H hysteresis in ferromagnetic materials. We propose a novel modification to the training paradigm of Recurrent Neural Networks that allows us to repurpose state-of-the-art architectures for discrete-time simulation. We then employ the proposed methodology for the Wave Digital modeling of hysteresis by enclosing the neural network inside a single Wave Digital block. Finally, we successfully test the developed model for the emulation of the output stage of a vacuum-tube guitar amplifier.
GIAMPICCOLO, RICCARDO
MEZZA, ALESSANDRO ILIC
ING - Scuola di Ingegneria Industriale e dell'Informazione
27-apr-2022
2020/2021
L'isteresi è un fenomeno non lineare con memoria che caratterizza numerosi sistemi audio, come trasduttori piezoelettrici e trasformatori elettrici, dove la sua dipendenza dalla frequenza risulta essere di particolare interesse. A causa della sua natura complessa, l'isteresi è sempre stata difficile da modellare, soprattutto per quanto riguarda la simulazione circuitale. In questo lavoro di tesi, ci avvaliamo di reti neurali per la modellazione della caratteristica isteretica B-H dei materiali ferromagnetici partendo da dati sperimentali. Proponiamo inoltre una nuova modifica al paradigma di addestramento delle reti neurali ricorrenti che ci consenta di riutilizzare le architetture dello stato dell'arte nel contesto della simulazione a tempo discreto. La nuova metodologia proposta è quindi utilizzata per la modellazione nel dominio d'onda dell'isteresi per mezzo dell'integrazione di una rete neurale ricorrente all'interno di un singolo componente circuitale. Il modello sviluppato è infine testato con successo per l'emulazione dello stadio di uscita di un amplificatore valvolare per chitarra.
File allegati
File Dimensione Formato  
2022_04_Massi_02.pdf

non accessibile

Descrizione: Executive Summary - Wave Digital Filter Modeling of Audio Circuits with Hysteresis Nonlinearities using Neural Networks
Dimensione 16.09 MB
Formato Adobe PDF
16.09 MB Adobe PDF   Visualizza/Apri
2022_04_Massi_01.pdf

non accessibile

Descrizione: Thesis - Wave Digital Filter Modeling of Audio Circuits with Hysteresis Nonlinearities using Neural Networks
Dimensione 93.17 MB
Formato Adobe PDF
93.17 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/186739