学位论文 > 优秀研究生学位论文题录展示

短波通信中信号检测算法研究

作　者: 林佳仕
导　师: 张汝波
学　校: 哈尔滨工程大学
专　业: 计算机应用技术
关键词: 语音信号处理莫尔斯电报码端点检测小波变换高阶统计量复数谱方差
分类号: TN925
类　型: 硕士论文
年　份: 2004年
下　载: 347次
引　用: 7次
阅　读: 论文下载

内容摘要

本论文研究的是强噪声背景下信号流检测。通讯系统中的干扰是不可避免的，尤其是短波通讯，信号更容易受到噪声的干扰。在通讯、广播系统中噪声严重的影响着声音的质量，增加了工作人员的听觉疲劳，信号检测的目的就是检测语音信号或莫尔斯信号的有无，改善工作人员的工作环境。端点检测是语音信号处理的一个重要分支。基于过零率和能量的传统检测算法，在噪声环境比较复杂的情况下效果很不稳定，尤其是信噪比较低或者语音信号较弱时，检测效果很不理想，因此，在多种语言和噪声随机出现、噪声和语音强弱不一的实际噪声环境下，必须利用新的算法提取有用信号和噪声信号的有效特征，才能解决实际的问题。本文首先介绍了噪声的类型、语音和莫尔斯信号的特征，然后对不同类型的噪声信号进行了分析，在各种不同的噪声背景下利用不同的算法检测语音信号和莫尔斯信号，实现有用信号和噪声的分离。基于实际背景噪声的复杂性，本文提出了语音信号的小波分析和高阶统计量分析相结合的方法，有效的分离了语音信号和非高斯噪声，取得了不错的效果，基于现场实验表明，该算法取得了很好的效果针对语音信号及其背景噪声的特点，本文利用了基于小波变换系数统计、双谱和复数谱方差等检测算法。小波系数统计算法在解决周期信号、高能噪声和高斯信号方面有独特之处，能简单有效提取以上噪声的特征；双谱能够提供比功率谱更多的有用信息，有效地检测信号幅度之外的其它信息，并能有效抑制高斯噪声，短时语音信号一般认为是平稳且有一定的周期性的非高斯信号，因而可以利用双谱来提取语音信号特性并实现信噪分离；复数谱方差算法是在对语音信号进行深入观察和分析的基础上而提出来的一种全新的语音特征提取方法，此方法简单而有效的提取了语音和噪声的特征。莫尔斯(Morse)电报码是一种类似单周期的规则信号，其特征比较明显，它是利用“点”、“划”和“间隔”(实际上就是时间长短不一的电脉冲信号)的不同组合来表示字母、数字、标点和符号。有两个典型的特征：一是‘，阴咐.暇叮，’，获哈尔滨_f程人学硕十学位论文在时间._L是间断、不连续的;二是在强度上也是不连续的，只有有限的离散值。针对莫尔斯信号的单周期性和周期频率间断性的本质特征，本文利用复数谱方差算法来判断信号是否单周期并确定其周期频率，然后根据傅里叶变换的性质，提取周期频率相对应的变换系数，对这些数据进行分析.结合归一化和闽值的思想进行间断性的特征提取，从而达到莫尔斯信号检测的目的。德州仪器公司的数字信号处理器是高性能的DSP芯片，论文详细介绍了它的高速计算的特点，芯片的基本结构和硬件资源，并利用TMS320C5402型号的DSP芯片设计了算法实现的硬件系统。关键词:语音信号处理;莫尔斯电报码;端点检测;小波变换;高阶统计量;复数谱方差

全文目录

第1章绪论  12-16
  1.1 论文研究的目的和意义  12
  1.2 信号检测的研究与发展  12-13
  1.3 语音和噪声的特征  13-15
    1.3.1 语音特征  13-14
    1.3.2 噪声特性  14-15
  1.4 莫尔斯电报码特征  15
  1.5 论文的安排  15-16
第2章噪声、语音和莫尔斯信号的基本特征  16-28
  2.1 噪声的分类  16-17
    2.1.1 周期性噪声  16
    2.1.2 脉冲噪声  16-17
    2.1.3 “风声”噪声  17
    2.1.4 平稳／非平稳噪声  17
    2.1.5 宽带噪声  17
  2.2 语音信号生成的数学模型  17-19
  2.3 语音信号的统计特性  19-20
  2.4 语音特性  20-21
  2.5 频率选择对语音清晰度影响  21
  2.6 语音信号的时域特征  21-23
    2.6.1 短时能量及短时平均幅度  22
    2.6.2 短时平均过零率  22-23
    2.6.3 短时相关分析  23
  2.7 语音信号的频域特征  23-24
    2.7.1 频域的部分能量  23-24
    2.7.2 频谱幅度平均  24
  2.8 语谱图  24-25
  2.9 莫尔斯信号的发展  25-27
  2.10 本章小结  27-28
第3章语音信号的小波分析及其系数统计特征  28-42
  3.1 小波变换定义  28-30
    3.1.1 连续小波变换  28-29
    3.1.2 离散小波变换分解  29-30
  3.2 小波变换的性质  30-31
  3.3 多分辨率分析  31
  3.4 小波变换的Mallat快速算法  31-32
  3.5 随机变量小波分解系数的统计性质  32-34
  3.6 Daubechies紧支集小波  34-35
  3.7 语音和噪声的小波分解  35-37
  3.8 小波系数统计特征  37-39
    3.8.1 小波变换系数统计原理及其应用  37-38
    3.8.2 统计特征的分析工具  38-39
  3.9 含噪语音检测算法及其数据分析  39-41
  3.10 本章小结  41-42
第4章基于双谱和复数谱方差的算法研究  42-63
  4.1 基于双谱的语音流检测算法软件  42-47
    4.1.1 高阶谱定义  42-43
    4.1.2 双谱定义  43
    4.1.3 双谱估计算法  43-44
    4.1.4 双谱语音流检测算法实验结果  44-47
  4.2 基于复数谱方差的高斯噪声背景下语音流检测  47-60
    4.2.1 复数方差  47-48
    4.2.2 语音流检测算法  48-50
    4.2.3 莫尔斯信号检测算法  50
    4.2.4 各种含噪语音信号的复数谱方差特征  50-57
    4.2.5 各种含噪莫尔斯信号谱方差特征分析  57-60
  4.3 仿真试验的测试报告  60-61
    4.3.1 数据来源  60
    4.3.2 信噪比计算  60
    4.3.3 试验步骤  60
    4.3.4 测试结果  60-61
  4.4 算法存在的问题分析  61-62
  4.5 本章小结  62-63
第5章 DSP硬件系统设计  63-72
  5.1 DSP芯片的基本结构  64
  5.2 TMS320C5x系列DSP  64-66
    5.2.1 TMS320C5x系列的特征  65-66
    5.2.2 TMS320C5x的总线结构  66
  5.3 TMS320054X DSP芯片的特点  66-68
  5.4 系统设计的硬件部分  68-71
  5.5 本章小结  71-72
结论  72-73
参考文献  73-76
攻读硕士学位期间发表的论文和取得的科研成果  76-77
致谢  77

短波通信中信号检测算法研究

内容摘要

全文目录

相似论文