High range types of noise can infect and corrupt digital images. Of these Noise types is the resulted from errors in the image acquisition process. This error change pixel values that not reflect the true intensities and image details vision. Several ways that noise can be introduced into an image, most of them depending on how the image is created or transmit through the network. In this paper, new proposed modifications added to Modified Adaptive Center Weighted Median filter MACWM to achieve the high accuracy in noise detection and removing especially when image corrupted by multi noise types. None Local Euclidean Median (NLEM) and Mean filters were added in these proposed modifications improved the noise wide spectrum detection. Good vision results produce from experiment the proposed system with less blur.

انواع متعددة من الضوضاء يمكن أن تصيب والصور الرقمية. من هذه الأنواع الضوضاء هو تنتجت عن أخطاء في عملية الحصول على الصور. وان هذه القيم للضوضاء تغير قيم البكسل الذي لا يعكس رؤية تفاصيل الصورة الحقيقية. العديد من الطرق يمكن إدخال الضوضاء إلى صورة، ومعظمها معتمدا على كيفية إنشاء صورة أو نقل من خلال الشبكة. في هذه البحث، وأضيفت تعديلات جديدة مقترحة لتعديل مرشح MACWM لتحقيق درجة عالية من الدقة في الكشف عن الضوضاء وإزالة خصوصا عندما الصورة افسدتها أنواع متعددة من الضوضاء. في هذه التعديلات المقترحة اضيفت مرشح NLEM و مرشح المعدل لتحسين الكشف عن طيف واسع من الضوضاء. النتائج من تجربة النظام المقترح كانت لديها رؤية جيدة مع أقل طمس.

image denoising --- NLEM --- MACWM --- adaptive filters.

Conventional non-adaptive filters that are used for extracted the information from an input signals, are normally linear and time invariant. In this case the restriction of time invariance is removed. This is done by allowing the filter to change the coefficients used in the filtering operations according to some predetermined optimization criteria. This has the important effect that the adaptive filters may be applied in areas where the exact filtering operation required may be known a priori and further, this filtering operation may be non-stationary. System modeling or system identification is one of the wide applications of the adaptive filtering that have a great importance in the fields of communication systems and signal processing .The main object of this paper is to find a best optimization algorithm that gives a minimum Mean Squared Error (MSE) between the desired and the actual signal to identify the unknown system. Many algorithms will be studied, such as the Least Mean Squared (LMS) algorithm, Adaptive Linear Neuron Network (ADALINE) and Genetic Algorithm (GA). Then we will produce a new improvement algorithm (we called it GALMS) that uses the LMS algorithm with optimized learning coefficient using genetic algorithm. Optimal weights (coefficients) will also be found to be concentrated with the actual weights.

المرشحات غير التكيفية التقليدية التي تستخدم في استخلاصِ المعلومات من إشارة إدخال معينة تكون عادة خطية وذات معاملات ثابتة مع الزمن. في هذه الحالةِ التقيد بالزمن يمكن التخلص منه عن طريق السَماح للمرشِحَ بتَغيير معاملاتِه اثناء عملياتِ التَرْشيح طبقاً لبعضِ المعايير التي تحقق الأمثلية المحدّدة مسبقاً. هذا لَهُ التأثيرُ المهمُ الذي يجعل استخدام المرشحات التكيفية في التطبيقات التي تحتاج تكيُّف ودقة في عملية الترشيح. إن تمثيل الأنظمة (system identification) أحد تطبيقات المَرْشحات التكيفية الكثيرةِ والتي لَها أهمية كبيرة في حقولِ أنظمة الاتصالاتِ ومعالجةِ الإشارة. الهدف الأساسي من هذا البحث هو إيجاد أفضل خوارزميةِ تحققِ أمثلية المنظومة أي أنها تَعطي أدنى معدل مربع خطأ (MSE) بين الإشارةِ المطلوبةِ والإشارة الفعليةِ لتَمثيل الأنظمة المجهولة. العديد مِنْ الخوارزميات سَتدرس في هذا البحث مثل خوارزمية اقل معدل مربع خطأ (LMS) ، شبكة الخلية العصبيةِ الخطيّةِ التكيفية (ADALINE) و الخوارزمية الوراثية (GA). ثمّ نعرض خوارزمية جديدة أسميناها (GALMS) والتي تستخدم أل (LMS) وال (GA) في أدائها. ستقوم هذه الخوارزمية بإيجاد احسن معامل تعلم (يعطي اقل (MSE)) عن طريق أل(GA) من ثم تطبيق هذا المعامل على أل (LMS) للحصول على أوزان (معاملات) المرشح المثالية والتي تماثل الأوزان الأصلية للمنظومة المجهولة .

Adaptive filters --- identification --- LMS --- ADALINE network --- and GAs.

Any received speech signal can be distorted by interference with an additive noise, which often can be recuperated by using special type of algorithms. In numerous wireless speech communication applications, although the speech noise characteristics are very fast , therefore, an adaptive noise canceller should be used to cancel the noise of the transmitted signal. Adaptive noise Cancellation filter is an alternative technique of estimating signals corrupted by additive noise or interference; adaptive filters such as Normalized Least Mean Squares (NLMS) algorithm have been used in a wide range of signal processing applications due to its simplicity in implementation and computation of removing the background noise and distortion. In this paper, an extensive study has been made to investigate the effects of different parameters, such as Filter length effect, step size effect , number of samples. The performance of NLMS filter for speech communication systems will be analyzed and discussed. Simulation results are presented to verify the analysis of the NLMS filter. All the results have been obtained using computer simulations built on MATLAB platform.

ان الاشارة المرسلة من مصدر الى مستلم و التي تحتوي على معلومات صوتية قد تتشوه عند الاستقبال عن طريق التداخل مع الضوضاء المضافة خلال الارسال، والتي غالبا ما يمكن استعادتها باستخدام نوع خاص من الخوارزميات الموجودة في العديد من التطبيقات اللاسلكية التي يستخدم فيها الصوت كنوع من الاشارة المرسلة، ان هذة التطبيقات المرسلة للصوت تكون فيها خصائص إشارة الصوت او الكلام مرسلة و مستلمة بسرعة جدا، وبالتالي، ينبغي أن يستخدم طريقة لازالة الضوضاء و الغاء ضجيج الإشارة المرسلة. لذلك يعد فلتر إلغاء الضوضاء التكيفي طريقة بديلة لتقدير و ارجاع الإشارات التي تضررت بسبب الضوضاء أو التداخل الإضافي، وقد استخدمت مرشحات تكيفية مثل خوارزمية أقل متوسطات المربعات (NLMS) في مجموعة واسعة من تطبيقات معالجة الإشارات بسبب بساطتها في التنفيذ وحسابها الدقيق في إزالة الضوضاء الخلفية والتشويه. في هذه البحث، سيتم تحليل ومناقشة مرشح (NLMS) لأنظمة الاتصالات الكلامية ومناقشتها. و سيتم عرض نتائج المحاكاة للتحقق من تحليل مرشح (NLMS) .

Noise cancellation --- Adaptive filters --- Speech enhancement --- NLMS filter --- Signal to noise ratio --- SNR. --- spectral analysis