CN101645273A - 一种采样率差异估计与校正系统及其处理方法 - Google Patents

Abstract

本发明提供一种采样率差异估计与校正系统及其处理方法。该系统包括采样率差异估计模块和采样率校正模块。首先通过采样率差异估计模块，利用改进的相位变换算法IPHAT，求两路信号的互相关函数；然后，计算它们之间的整数点采样率差异；接着进一步采用基于sinc函数内插的方法，获得分数阶的采样率差异；将整数点的采样率差异与分数阶采样率差异相加，即得到两路信号之间的更为精确的采样率差异值；在计算出两路信号之间的采样率差异以后，通过采样率校正模块，利用抽取和内插滤波器对其中一路信号进行重采样校正。该方法可解决ANC/BSS等多通道信号处理算法在实际应用中存在的由于设备或者环境的原因导致标称为同一采样率的多通道信号出现采样率不一致的问题。

Description

一种采样率差异估计与校正系统及其处理方法

技术领域

本发明涉及一种多通道信号处理方法，更具体的说，涉及到自适应噪声消除(ANC)、盲源信号分离(BSS)等多通道信号处理应用中的一种采样率差异估计与校正系统及其处理方法。

背景技术

当音频流从一个设备传输到另一个设备，在播放或者录制的过程中，存在一个问题：在两个设备的数模转换模块中，缺乏一个共同的时钟信号。这可能会导致信号的采样率出现不一致的情况。导致采样率出现不一致现象的原因如下：首先、产生时钟信号的晶振存在一定频率范围内的容忍度，在一些商用的数字信号处理设备中，这个容忍度可以从几十个PPM(parts per million)到上万个PPM；其次，晶振的频率可能收到温度的影响；另外，在一些便携设备中，其所需要的频率可能是从一个更高的频率通过分频得到的。由于诸如以上的这些原因，例如一个标称为8000Hz采样的信号，其实际采样率可能为8002Hz，或者其它频率。

在一些基本应用中，比如说VOIP，可以采用一些技巧来克服采样率差异的影响，例如在那些不为人耳感知的语音段插入一些零值样点，或者在这些语音段删除一些样点，来保证音频信号流的同步。

另外，在一些更为复杂的应用中，比如涉及到多路信号处理的应用中，如盲源信号分离，自适应噪声消除等应用，仅仅保证信号的同步并不能满足算法的需要。当音频信号来自多个不同的采样设备时，在经过算法处理之前，必须保证多路信号的采样率是一致的。这时候必须进行采样率差异的估计和校正。现有的信号分离或者自适应噪声消除系统，并没有考虑采样率差异的影响。

发明内容

为了解决上述问题，本发明的目的在于提供一种采样率差异估计与校正系统及其处理方法。其通过一种改进的相位变换算法，以及sinc函数内插的精细方法，用于估计相关信号间的采样率差异，并利用polyphase滤波器组进行重采样校正。该方法，解决了ANC/BSS等多通道信号处理算法在实际应用中存在的由于设备或者环境的原因，导致标称为同一采样率的多通道信号出现采样率不一致的问题。

为了实现上述目的，本发明的采样率差异估计与校正系统，包括采样率差异估计模块和采样率校正模块。所述采样率差异估计模块，通过改进的相位变换算法(IPHAT)，以及sinc函数内插的精细方法，用于两路相关信号之间的采样率差异估计；所述采样率校正模块，用于对两路存在采样率差异的相关信号进行调整，利用抽取和内插滤波器组进行重采样校正，使得它们具有一致的采样率。本发明的采样率差异估计与校正系统，首先利用采样率差异估计模块，对两相关信号的采样率差异进行估计，然后利用采样率校正模块，将两路信号的采样率调整为一致。

另外，本发明的采样率差异估计与校正系统的处理方法，包括如下步骤：

1)选取来自同一源的两路信号中的其中一路，将它从标称采样率向目标范围内的采样率重新采样，这里认为两路信号的采样率与标称采样率的差异在f_M以内，即目标范围为标称采样率的正负f_M范围。

在本发明的方法中，两路信号的采样率与标称采样率的差异f_M的范围f_M≤20Hz的情况都能处理，例如当f_M为20Hz时，目标范围为标称采样率的正负20Hz范围。

2)每次重采样之后，与另一路信号求互相关函数，记录每次互相关函数的最大值，最大值对应的目标采样率即为信号的真实采样率。

这里，利用改进的相位变换算法IPHAT，计算两段相关信号的互相关函数的最大值及其对应坐标，IPHAT算法的完整描述如下：

X₁(w)＝FFT(x(n))

X₂(w)＝FFT(y(n))

$G_{12}\left(w\right)=X_1\left(w\right)X_2^{*}\left(w\right)$

$R_{12}\left(n\right)=\frac{1}{2\mathrm{\π}}\underset{-\∞}{\overset{+\∞}{\∫}}\frac{G_{12}\left(w\right)}{{\left|G_{12}\left(w\right)\right|}^{\mathrm{\λ}}}{e}^{\mathrm{jwn}}\mathrm{dw}$

其中，x(n)，y(n)是等长的两段相关信号，X₁(w)，X₂(w)是对应的频谱，G₁₂(w)是对应的互相关功率谱，σ代表信号的信噪比，λ是与信噪比σ对应的一个比例因子，它们之间满足如下的关系：

$\mathrm{\&lambda;}=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_0& \mathrm{\&sigma;}{<\mathrm{\&sigma;}}_0\\ \frac{{\mathrm{\&lambda;}}_1-{\mathrm{\&lambda;}}_0}{{\mathrm{\&sigma;}}_1-{\mathrm{\&sigma;}}_0}(\mathrm{\&sigma;}-{\mathrm{\&sigma;}}_1)+{\mathrm{\&lambda;}}_1& {\mathrm{\&sigma;}}_0<\mathrm{\&sigma;}<{\mathrm{\&sigma;}}_1\\ {\mathrm{\&lambda;}}_1& \mathrm{\&sigma;}>{\mathrm{\&sigma;}}_1\end{array}\right..$

3)利用IPHAT算法计算出x(n)与y(n)的互相关函数R₁₂(n)以后，由下面的公式计算x(n)与y(n)之间的整数点采样率差异Δf_int：

forΔf＝-f_M:1:f_M

   f＝fs+Δf；

   x₁＝resample(x，f，fs)；

   R_xy＝xcorr(x₁，y)；

   d(Δf+f_M+1)＝max(R_xy)；

end

[max，index]＝max(d)；

采样率差异为

Δf_int＝index-f_M-1；

其中，f_M是采样率差异估计的范围，resample是重采样函数，表示将信号x的采样率调整f_s/f倍，xcorr是互相关运算函数，max是取最大值函数，index表示最大值对应序列的坐标，Δf_int表示计算出的整数点采样率差异值。

4)在求出整数点的采样率差异以后，如果需要更精确地确定两段信号之间的采样率差异，进一步采用基于sinc函数内插的方法，对IPHAT算法求出的一系列R₁₂(n)的最大值进行连续时间域的重构，通过找出重构信号的最大值，从而确定更精确的最大值坐标，来找到分数阶的采样率差异Δf_-frac，计算公式如下：

假设上述利用IPHAT算法求出的各个采样率下，两信号相关函数的最大值组成的序列为d(n)，则

$\tilde{d}\left(t\right)=\underset{n=n_0-M}{\overset{n_0+M}{\mathrm{\&Sigma;}}}d\left(n\right)\sin c(t-n)$

$[\max \_\mathrm{value},\mathrm{index}]=\max \left(\tilde{d}\left(t\right)\right)$

Δf_-frac＝index-n₀

式中，首先通过sinc核函数内插的方法，将最大值序列d(n)重构成连续时间信号，n₀为d(n)中最大值对应的坐标，index为连续时间信号中最大值对应的坐标，Δf_-frac表示分数阶的采样率差异。

5)将步骤3)中计算出的整数点的采样率差异Δf_int与步骤4)中计算出的分数阶采样率差异Δf_-frac相加，即得到两路信号之间的更为精确的采样率差异值Δf_s：

Δf_s＝Δf_int+Δf_frac。

6)在计算出两路信号之间的采样率差异Δf_s以后，以f_s为基准，对其中一路信号进行重采样校正，该重采样步骤是利用抽取和内插滤波器实现，最终得到经校正后的信号。

在采样率校正模块中，首先，根据估计出来的采样率差异值Δf_s，计算出内插滤波器和抽取滤波器中内插因子L和抽取因子M的大小。

其中，内插和抽取因子的计算与采样率差异值之间满足如下的关系式：

L/M＝(f_s+Δf_s)/f_s

其中，L、M对应最小的整数，例如，(f_s+Δf_s)/f_s为1.2时，L＝6，M＝5。

接着，在计算出抽取因子L和内插因子M以后，首先将所选的其中一路信号经过一个内插滤波器，实现一个向上L倍的内插，然后将内插后的信号通过低通滤波器，该低通滤波器的作用是避免出现频率混叠，最后将低通滤波器输出的信号通过抽取滤波器，实现向下M倍的抽取，从而完成将所选的某一路信号的采样率变化L/M倍，得到采样率转换之后的信号。

本发明的采样率差异估计与校正系统及其处理方法的有益效果在于：通过一种改进的相位变换算法以及sinc函数内插的精细方法，估计相关信号间的采样率差异，并利用polyphase滤波器组进行重采样校正，能够解决ANC/BSS等多通道信号处理算法在实际应用中存在的由于设备或者环境的原因导致标称为同一采样率的多通道信号出现采样率不一致的问题。

附图说明

图1是本发明的采样率差异估计与校正系统的构成示意图。

图2是表示采样率存在差异时的自适应噪声消除算法的性能表现，图中，从上至下依次为原始噪声、采样率差异为0Hz、1Hz、2Hz、5Hz时的自适应噪声消除输出结果。

图3是本发明的采样率差异估计与校正系统的处理方法的流程框图。

图4是本发明的采样率差异估计与校正系统的处理方法中的采样率校正部分的详细流程图。

图5是利用本发明的方法对两段采样率差异为1Hz的信号进行采样率差异估计的结果示意图，其中，图5(a)表示两段相关信号，一段的信噪比为-10dB；图5(b)是采样率差异估计结果图。

具体实施方式

下面结合附图和具体实施例对本发明的采样率差异估计与校正系统及其处理方法进行详细的说明。

图1是本发明的采样率差异估计与校正系统的构成示意图。如图1所示，在两路具有采样率差异的BSS/ANC系统中，两路信号具有标称的同一采样率f_s，而实际上，两者的真实采样率却不是f_s，在这种情况下，进行多通道信号处理的时候，算法的性能就会受到影响。

由此，如图1所示，本发明的采样率差异估计与校正系统，包括：采样率差异估计模块和采样率校正模块。采样率差异估计模块完成两路相关信号之间的采样率差异估计；采样率校正模块完成对其中一路信号的采样率调整，使得它们具有一致的采样率。

图2是表示采样率存在差异时的自适应噪声消除算法的性能表现，其中，从上至下依次为原始噪声、以及采样率差异为0Hz、1Hz、2Hz、5Hz时的自适应噪声消除输出结果，从实验结果来看，当存在采样率差异时，自适应算法的性能明显受到影响，表现为出现较大的残余噪声，而且，采样率差异越大，算法表现越糟糕。

在采样率差异估计中，本发明基于的原理是：两路相干信号，当它们的采样率一致时，具有最大的相关性。为此，本发明采取下述策略：选取两路信号中的其中一路，将它从标称的采样率向某个范围的采样率重新采样，每次重采样之后，与另一路信号求互相关函数，记录每次互相关函数的最大值。在这些最大值构成的序列中，最大值对应的目标采样率即为信号的真实采样率。

图3是本发明的采样率差异估计与校正系统的处理方法的流程框图。图3中，x(n)和y(n)是两相关信号，由两个不同的设备录制同一音源获得，其标称的的采样率均为fs，而实际的采样率可能并不一致，而且，x(n)和y(n)中还可能混入了干扰噪声，表达式如下式所示。

x(n)＝s₁(n)+n₁(n)

y(n)＝s₂(n)+n₂(n)

其中，s₁(n)，s₂(n)是同一音源到达不同设备被录制的信号，n₁(n)，n₂(n)是到达录音设备的干扰信号。

由于噪声的影响，直接计算x(n)和y(n)时域的互相关函数，其最大值往往不能准确反映s₁(n)，s₂(n)的相关性，尤其在噪声n₁(n)，n₂(n)也具有较强的相关性时，时域相关函数的最大值可能反应的是噪声之间的相关性。

由此，如图3所示，本发明的采样率差异估计与校正系统的处理方法，包含采样率差异估计过程和采样率校正过程，具体包括如下步骤：

1)选取来自同一源的两路信号中的其中一路，将它从标称采样率向目标范围内的采样率重新采样，两路信号的采样率与标称采样率的差异f_M的范围为f_M≤20Hz。

例如，认为两路信号的采样率与标称采样率的差异f_M在20Hz以内，即目标范围为标称采样率的正负20Hz范围。

2)每次重采样之后，与另一路信号求互相关函数，记录每次互相关函数的最大值，最大值对应的目标采样率即为信号的真实采样率。

这里，利用改进的相位变换算法IPHAT，计算两段相关信号的互相关函数的最大值及其对应坐标，IPHAT算法的完整描述如下：

X₁(1)＝FFT(x(n))

X₂(w)＝FFT(y(n))

$G_{12}\left(w\right)=X_1\left(w\right)X_2^{*}\left(w\right)$

$R_{12}\left(n\right)=\frac{1}{2\mathrm{\&pi;}}\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}\frac{G_{12}\left(w\right)}{{\left|G_{12}\left(w\right)\right|}^{\mathrm{\&lambda;}}}{e}^{\mathrm{jwn}}\mathrm{dw}$

其中，x(n)，y(n)是等长的两段相关信号，X₁(w)，X₂(w)是对应的频谱，G₁₂(w)是对应的互相关功率谱，σ代表信号的信噪比，λ是与信噪比σ对应的一个比例因子，它们之间满足如下的关系：

$\mathrm{\&lambda;}=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_0& \mathrm{\&sigma;}{<\mathrm{\&sigma;}}_0\\ \frac{{\mathrm{\&lambda;}}_1-{\mathrm{\&lambda;}}_0}{{\mathrm{\&sigma;}}_1-{\mathrm{\&sigma;}}_0}(\mathrm{\&sigma;}-{\mathrm{\&sigma;}}_1)+{\mathrm{\&lambda;}}_1& {\mathrm{\&sigma;}}_0<\mathrm{\&sigma;}<{\mathrm{\&sigma;}}_1\\ {\mathrm{\&lambda;}}_1& \mathrm{\&sigma;}>{\mathrm{\&sigma;}}_1\end{array}\right.$

3)利用IPHAT算法计算出x(n)与y(n)的互相关函数R₁₂(n)以后，由下面的公式计算x(n)与y(n)之间的整数点采样率差异Δf_int。

forΔf＝-f_M:1:f_M

  f＝fs+Δf；

  x₁＝resample(x，f，fs)；

  R_xy＝xcorr(x₁，y)；

  d(Δf+f_M+1)＝max(R_xy)；

end

[max，index]＝max(d)；

整数点采样率差异为

Δf_int＝index-f_M-1；

其中，f_M是采样率差异估计的范围，resample是重采样函数，表示将信号x的采样率由f_s调整到f，xcorr是互相关运算函数，max是取最大值函数，index表示最大值对应序列的坐标，Δf_int表示计算出的整数点采样率差异值。

这里，假设两路信号的采样率与标称采样率的差异f_M在20Hz以内，即目标范围为标称采样率的正负20Hz范围。则x(n)与y(n)之间的整数点采样率差异Δf_int为：

for Δf＝-20:1:20

  f＝fs+Δf；

  x₁＝resample(x，f，fs)；

  R_xy＝xcorr(x₁，y)；

  d(Δf+20+1)＝max(R_xy)；

end

[max_value，index]＝max(d)；

Δf_int＝index-20-1；

4)在求出整数点的采样率差异以后，如果需要更精确地确定两段信号之间的采样率差异，进一步采用基于sinc函数内插的方法，对IPHAT算法求出的一系列R₁₂(n)的最大值进行连续时间域的重构，通过找出重构信号的最大值，从而确定更精确的最大值坐标，来找到分数阶的采样率差异，计算公式如下：

假设上述利用IPHAT算法求出的各个采样率下，两信号相关函数的最大值组成的序列为d(n)，则

$\tilde{d}\left(t\right)=\underset{n=n_0-M}{\overset{n_0+M}{\mathrm{\&Sigma;}}}d\left(n\right)\sin c(t-n)$

$[\max \_\mathrm{value},\mathrm{index}]=\max \left(\tilde{d}\left(t\right)\right)$

Δf_-frac＝index-n₀

式中，首先通过sinc核函数内插的方法，将最大值序列d(n)重构成连续时间信号，n₀为d(n)中最大值对应的坐标，index为连续时间信号中最大值对应的坐标，Δf_-frac表示分数阶的采样率差异。

5)将上述步骤3)中计算出的整数点的采样率差异与步骤4)中计算出的分数阶采样率差异相加，即得到两路信号之间的更为精确的采样率差异值Δf_s：

Δf_s＝Δf_int+Δf_frac。

6)在计算出两路信号之间的采样率差异以后，以fs为基准，对其中一路信号进行重采样校正，该重采样步骤是利用抽取和内插滤波器实现，最终得到经校正后的信号。

在采样率校正模块中，首先根据估计出来的采样率差异值Δf_s，计算出内插滤波器和抽取滤波器中内插因子L和抽取因子M的大小。其中，内插和抽取因子的计算与采样率差异值之间满足如下的关系式：L/M＝(f_s+Δf_s)/f_s

其中，L、M对应最小的整数，例如，(f_s+Δf_s)/f_s为1.2时，L＝6，M＝5。

接着，在计算出抽取因子L和内插因子M以后，首先将所选的其中一路信号经过一个内插滤波器完成信号向上L倍的内插，然后将内插后的信号通过低通滤波器，低通滤波器的作用是避免出现频率混叠，最后将低通滤波器输出的信号通过抽取滤波器，完成向下M倍的抽取，从而完成将所选的某一路信号的采样率变化L/M倍，得到采样率转换之后的信号。

图4是本发明的采样率差异估计与校正系统的处理方法中的采样率校正部分的详细流程图。

如图4所示，抽取和内插滤波器合二为一的采样率校正系统图，完成将信号x(n)的采样率变化L/M倍，首先，将信号经过一个内插滤波器，实现一个向上L倍的内插，然后，将内插后的信号通过一个低通滤波器以防止频率混叠，最后，将低通滤波器的输出信号通过一个抽取滤波器，实现向下M倍的抽取。其中，抽取和内插滤波器的实现采用了多相分解的方法。

性能分析：

在实际应用中，两路信号的采样率可能都不是标称的采样率fs，这里假设两个采样率分别为：f₁，f₂，两者之间的采样率差异为Δf_s＝f₂-f₁，以fs为基准，根据估计出的采样率差异(这里默认估计准确)，把信号x(n)进行采样率转换，转换后的采样率为：

f′₁＝f₁*L/M＝f₁*(f_s+Δf_s)/f_s

此时，重采样之后的x(n)与y(n)之间的采样率差异Δf′为：

Δf′＝f₂-f′₁＝f₂-f₁*(f_s+Δf_s)/f_s

＝(f₂-f₁)(f_s-f₁)/f_s

＜＜f₂-f₁。

由此可见，经过本发明的估计与校正系统的处理，最终所获得的采样率差异远小于两路信号原始的采样率差异，从而能够解决ANC/BSS等多通道信号处理算法在实际应用中存在的由于设备或者环境的原因导致标称为同一采样率的多通道信号出现采样率不一致的问题。

性能试验

为考察本发明方法的性能，通过下述考量方法进行了试验：

图5是利用本发明的方法对两段采样率差异为1Hz的信号进行采样率差异估计的结果示意图，其中，图5(a)表示用于采样率差异估计的两段相关信号，一段的信噪比为-10dB；图5(b)是采样率差异估计结果图。

在没有cross-talk的情况下，定义一个变量ENR(error to noise ratio)

$\mathrm{ENR}=10*\log 10\left(\frac{E\left(e^2\right)}{E\left(n^2\right)}\right)$

ENR值反应了残余噪声与初始噪声的能量之比，上式中，e代表残余噪声，n代表原始噪声。ENR值越小，自适应噪声消除算法性能越好。

下表中给出针对语音信号，采样率从0Hz变为10Hz时，ENR的变化。

	0Hz	1Hz	2Hz	3Hz	4Hz	5Hz	6Hz	7Hz	8Hz	9Hz
											ENR1(dB)	-37.28	-16.08	-11.18	-8.11	-6.18	-3.39	-2.57	-2.29	-1.91	-1.47
ENR2(dB)	-37.28	-37.34	-37.09	-37.26	-37.26	-37.16	-37.03	-37.14	-37.03	-37.15

其中，ENR1代表未进行采样率差异调整时的值，ENR2代表进行采样率差异调整以后的值。

在实际环境中，带有cross-talk的情况下，考查ANC算法的性能，两路采用两种设备录制，一个为电脑声卡，一个为爱国者录音笔，如图5(b)所示，结果如下：

校正之前：ENR＝-12.516dB

校正之后，ENR＝-16.338dB

由此可见，采样率差异问题确实存在于自适应噪声消除或者盲源分离的应用中，并且严重影响了自适应算法的性能，而本发明所提出的相关信号间采样率差异估计和校正方法，则较好地解决了这一问题。

Claims (8)

1、一种采样率差异估计与校正系统，其特征在于，包括：采样率差异估计模块和采样率校正模块，

所述采样率差异估计模块，用于通过改进的相位变换算法IPHAT以及sinc函数内插的精细方法估计两路相关信号之间的采样率差异；

所述采样率校正模块，用于对两路存在采样率差异的相关信号进行调整，利用抽取和内插滤波器组进行重采样校正，使得它们具有一致的采样率，

该采样率差异估计与校正系统，首先利用所述采样率差异估计模块，对两相关信号的采样率差异进行估计，然后利用所述采样率校正模块，将两路信号的采样率调整为一致。

2、如权利要求1所述的采样率差异估计与校正系统，其特征在于，所述采样率差异估计模块，是基于相关性原理，计算信号间互相关函数时，采取一种改进的相位变换算法IPHAT，IPHAT算法的具体过程如下：

X₁(w)＝FFT(x(n))

X₂(w)＝FFT(y(n))

$G_{12}\left(w\right)=X_1\left(w\right)X_2^{*}\left(w\right)$

$R_{12}\left(n\right)=\frac{1}{2\mathrm{\&pi;}}\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}\frac{G_{12}\left(w\right)}{{\left|G_{12}\left(w\right)\right|}^{\mathrm{\&lambda;}}}{e}^{\mathrm{jwn}}\mathrm{dw}$

其中，x(n)，y(n)是等长的两段相关信号，X₁(w)，X₂(w)是对应的频谱，G₁₂(w)是对应的互相关功率谱，σ代表信号的信噪比，λ是与信噪比σ对应的一个比例因子，它们之间满足如下的关系：

$\mathrm{\&lambda;}=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_0& \mathrm{\&sigma;}<{\mathrm{\&sigma;}}_0\\ \frac{{\mathrm{\&lambda;}}_1-{\mathrm{\&lambda;}}_0}{{\mathrm{\&sigma;}}_1-{\mathrm{\&sigma;}}_0}(\mathrm{\&sigma;}-{\mathrm{\&sigma;}}_1)+{\mathrm{\&lambda;}}_1& {\mathrm{\&sigma;}}_0<\mathrm{\&sigma;}<{\mathrm{\&sigma;}}_1\\ {\mathrm{\&lambda;}}_1& \mathrm{\&sigma;}>{\mathrm{\&sigma;}}_1\end{array}\right\}.$

3、如权利要求2所述的采样率差异估计与校正系统，其特征在于，所述采样率差异估计模块，在利用IPHAT算法计算出x(n)与y(n)的互相关函数R₁₂(n)以后，由下面的公式计算x(n)与y(n)之间的整数点采样率差异Δf_int：

forΔf＝-f_M∶1∶f_M

f＝fs+Δf；

x₁＝resample(x，f，fs)；

R_xy＝xcorr(x₁，y)；

d(Δf+f_M+1)＝max(R_xy)；

end

[max_value，index]＝max(d)；

Δf_int＝index-f_M-1；

其中，f_M是采样率差异估计的范围，resample是重采样函数，表示将信号x的采样率调整f_s/f倍，xcorr是互相关运算函数，max是取最大值函数，index表示最大值对应序列的坐标，Δf_int表示计算出的整数点采样率差异值；

在求出整数点的采样率差异之后，采用基于sinc函数内插的方法进一步确定两段信号之间的采样率差异，对IPHAT算法求出的一系列R₁₂(n)的最大值进行连续时间域的重构，通过找出重构信号的最大值，从而确定更精确的最大值坐标，来找到分数阶的采样率差异，计算公式如下：

假设上述利用IPHAT算法求出的两信号相关函数的最大值组成的序列为d(n)，求分数阶采样率差异Δf_-frac的公式表述如下，

$\tilde{d}\left(t\right)=\underset{n=n_0-M}{\overset{n_0+M}{\mathrm{\&Sigma;}}}d\left(n\right)\sin c(t-n)$

$[\max \_\mathrm{value},\mathrm{index}]=\max \left(\tilde{d}\left(t\right)\right)$

Δf_-frac＝index-n₀

式中，首先通过sinc核函数内插的方法，将最大值序列d(n)重构成连续时间信号，n₀为d(n)中最大值对应的坐标，index为连续时间信号中最大值对应的坐标，Δf_-frac表示分数阶的采样率差异；

然后，将上述计算出的整数点的采样率差异与分数阶采样率差异相加，获取两路信号之间的更为精确的采样率差异值Δf_s：

Δf_s＝Δf_int+Δf_frac。

4、一种采样率差异估计与校正系统的处理方法，其特征在于，包括如下步骤：

1)选取来自同一源的两路信号中的其中一路，将它从标称采样率向目标范围内的采样率重新采样，这里认为两路信号的采样率与标称采样率的差异在fM以内；

2)每次重采样之后，与另一路信号求互相关函数，记录每次互相关函数的最大值，在这些最大值构成的峰值序列中，最大值对应的目标采样率即为信号的真实采样率，

这里，利用改进的相位变换算法IPHAT，计算两段相关信号的互相关函数的最大值及其对应坐标，IPHAT算法的完整描述如下：

X₁(w)＝FFT(x(n))

X₂(w)＝FFT(y(n))

$G_{12}\left(w\right)=X_1\left(w\right)X_2^{*}\left(w\right)$

$R_{12}\left(n\right)=\frac{1}{2\mathrm{\&pi;}}\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}\frac{G_{12}\left(w\right)}{{\left|G_{12}\left(w\right)\right|}^{\mathrm{\&lambda;}}}{e}^{\mathrm{jwn}}\mathrm{dw}$

其中，x(n)，y(n)是等长的两段相关信号，X₁(w)，X₂(w)是对应的频谱，G₁₂(w)是对应的互相关功率谱，σ代表信号的信噪比，λ是与信噪比σ对应的一个比例因子，它们之间满足如下的关系：

$\mathrm{\&lambda;}=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_0& \mathrm{\&sigma;}<{\mathrm{\&sigma;}}_0\\ \frac{{\mathrm{\&lambda;}}_1-{\mathrm{\&lambda;}}_0}{{\mathrm{\&sigma;}}_1-{\mathrm{\&sigma;}}_0}(\mathrm{\&sigma;}-{\mathrm{\&sigma;}}_1)+{\mathrm{\&lambda;}}_1& {\mathrm{\&sigma;}}_0<\mathrm{\&sigma;}<{\mathrm{\&sigma;}}_1\\ {\mathrm{\&lambda;}}_1& \mathrm{\&sigma;}>{\mathrm{\&sigma;}}_1\end{array}\right\};$

3)利用IPHAT算法计算出x(n)与y(n)的互相关函数R₁₂(n)以后，由下面的公式计算x(n)与y(n)之间的整数点采样率差异Δf_int：

for Δf＝-f_M∶1∶fM

f＝fs+Δf；

x₁＝resample(x，f，fs)；

R_xy＝xcorr(x₁，y)；

d(Δf+f_M+1)＝max(R_xy)；

end

[max_value，index]＝max(d)；

Δf_int＝index-f_M-1；

其中，f_M是采样率差异估计的范围，resample是重采样函数，表示将信号x的采样率调整f_s/f倍，xcorr是互相关运算函数，max是取最大值函数，index表示最大值对应序列的坐标，Δf_int表示计算出的整数点采样率差异值；

4)在求出整数点的采样率差异之后，采用基于sinc函数内插的方法进一步确定两段信号之间的采样率差异，对IPHAT算法求出的一系列R₁₂(n)的最大值进行连续时间域的重构，通过找出重构信号的最大值，从而确定更精确的最大值坐标，来找到分数阶的采样率差异，计算公式如下：

假设上述利用IPHAT算法求出的两信号相关函数的最大值组成的序列为d(n)，求分数阶采样率差异Δf_-frac的公式表述如下，

$\tilde{d}\left(t\right)=\underset{n=n_0-M}{\overset{n_0+M}{\mathrm{\&Sigma;}}}d\left(n\right)\sin c(t-n)$

$[\max \_\mathrm{value},\mathrm{index}]=\max \left(\tilde{d}\left(t\right)\right)$

Δf_-frac＝index-n₀

式中，首先通过sinc核函数内插的方法，将最大值序列d(n)重构成连续时间信号，n₀为d(n)中最大值对应的坐标，index为连续时间信号中最大值对应的坐标，Δf_-frac表示分数阶的采样率差异；

5)将步骤3)中计算出的整数点的采样率差异与步骤4)中计算出的分数阶采样率差异相加，即得到两路信号之间的更为精确的采样率差异值Δf_s：

Δf_s＝Δf_int+Δf_frac；

6)在计算出两路信号之间的采样率差异Δf_s以后，以f_s为基准，对其中一路信号进行重采样校正，该重采样利用抽取和内插滤波器实现，最终得到经校正后的信号。

5、如权利要求4所示的采样率差异估计与校正系统的处理方法，其特征在于，所述两路信号的采样率与标称采样率的差异f_M≤20Hz。

6、如权利要求4所示的采样率差异估计与校正系统的处理方法，其特征在于，所述步骤6)中，首先，根据估计出来的采样率差异值Δf_s，计算出内插滤波器和抽取滤波器中内插因子L和抽取因子M的大小，其中，内插因子L和抽取因子M的计算与采样率差异值之间满足如下的关系式：

L/M＝(f_s+Δf_s)/f_s

其中，L、M对应最小的整数；

接着，在计算出抽取因子L和抽取因子M以后，将所选的其中一路信号经过一个内插滤波器，实现向上L倍的内插，然后，将内插后的信号通过一个低通滤波器以防止频率混叠，最后，将低通滤波器输出的信号通过一个抽取滤波器，实现向下M倍的抽取，从而完成将所选的某一路信号的采样率变化L/M倍，得到采样率转换之后的信号。

7、如权利要求6所示的采样率差异估计与校正系统的处理方法，其特征在于，所述抽取和内插滤波器的实现采用多相分解的方法。

8、如权利要求6所示的采样率差异估计与校正系统的处理方法，其特征在于，所述用于防止频率混叠的低通滤波器采用有限冲激响应低通滤波器。

Images