短波通信中信號(hào)檢測(cè)算法研究.pdf

1、本論文研究的是強(qiáng)噪聲背景下信號(hào)流檢測(cè).通訊系統(tǒng)中的干擾是不可避免的,尤其是短波通訊,信號(hào)更容易受到噪聲的干擾.在通訊、廣播系統(tǒng)中噪聲嚴(yán)重的影響著聲音的質(zhì)量,增加了工作人員的聽覺疲勞,信號(hào)檢測(cè)的目的就是檢測(cè)語音信號(hào)或莫爾斯信號(hào)的有無,改善工作人員的工作環(huán)境.端點(diǎn)檢測(cè)是語音信號(hào)處理的一個(gè)重要分支.基于過零率和能量的傳統(tǒng)檢測(cè)算法,在噪聲環(huán)境比較復(fù)雜的情況下效果很不穩(wěn)定,尤其是信噪比較低或者語音信號(hào)較弱時(shí),檢測(cè)效果很不理想,因此,在多種語言和噪

2、聲隨機(jī)出現(xiàn)、噪聲和語音強(qiáng)弱不一的實(shí)際噪聲環(huán)境下,必須利用新的算法提取有用信號(hào)和噪聲信號(hào)的有效特征,才能解決實(shí)際的問題.本文首先介紹了噪聲的類型、語音和莫爾斯信號(hào)的特征,然后對(duì)不同類型的噪聲信號(hào)進(jìn)行了分析,在各種不同的噪聲背景下利用不同的算法檢測(cè)語音信號(hào)和莫爾斯信號(hào),實(shí)現(xiàn)有用信號(hào)和噪聲的分離.基于實(shí)際背景噪聲的復(fù)雜性,本文提出了語音信號(hào)的小波分析和高階統(tǒng)計(jì)量分析相結(jié)合的方法,有效的分離了語音信號(hào)和非高斯噪聲,取得了不錯(cuò)的效果,基于現(xiàn)場(chǎng)實(shí)驗(yàn)

3、表明,該算法取得了很好的效果.針對(duì)語音信號(hào)及其背景噪聲的特點(diǎn),本文利用了基于小波變換系數(shù)統(tǒng)計(jì)、雙譜和復(fù)數(shù)譜方差等檢測(cè)算法.針對(duì)莫爾斯信號(hào)的單周期性和周期頻率間斷性的本質(zhì)特征,本文利用復(fù)數(shù)譜方差算法來判斷信號(hào)是否單周期并確定其周期頻率,然后根據(jù)傅里葉變換的性質(zhì),提取周期頻率相對(duì)應(yīng)的變換系數(shù),對(duì)這些數(shù)據(jù)進(jìn)行分析.結(jié)合歸一化和閾值的思想進(jìn)行間斷性的特征提取,從而達(dá)到莫爾斯信號(hào)檢測(cè)的目的.德州儀器公司的數(shù)字信號(hào)處理器是高性能的DSP芯片,論文詳