CN111081274B - 基于瞬时频率的带静默间断信号的端点识别方法及应用 - Google Patents
基于瞬时频率的带静默间断信号的端点识别方法及应用 Download PDFInfo
- Publication number
- CN111081274B CN111081274B CN202010006727.6A CN202010006727A CN111081274B CN 111081274 B CN111081274 B CN 111081274B CN 202010006727 A CN202010006727 A CN 202010006727A CN 111081274 B CN111081274 B CN 111081274B
- Authority
- CN
- China
- Prior art keywords
- signal
- instantaneous frequency
- silence
- instantaneous
- difference component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005070 sampling Methods 0.000 claims description 18
- 230000004069 differentiation Effects 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
- G10L25/87—Detection of discrete points within a voice signal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明属于数字信号处理技术领域,公开了一种基于瞬时频率的带静默间断信号的端点识别方法及应用,输入待端点识别的带静默间断信号,要求输入信号为双通道数字信号,若为单路信号,利用希尔伯特变换得到另外一路信号;进行两通道功率平衡,确保后续求得的瞬时频率的准确性;利用瞬时相位得到带静默间断信号的瞬时频率差分量;根据有用信号和静默在瞬时频率差分量的值域上分布的区别完成带静默间断信号的端点识别,截取有用信号。本发明可有效提高低信噪比或功率时变的带静默间断信号端点识别的准确性,为后续信号处理提供条件,可以用于带静默间断信号接收机系统。
Description
技术领域
本发明属于数字信号处理技术领域,尤其涉及一种基于瞬时频率的带静默间断信号的端点识别方法及应用。
背景技术
带静默间断信号是指存在静默时段的一种常见信号形式,在信号的静默时段不包含有用信息,信号内容为背景白噪声,而在有用信号时段则是有用信号与背景白噪声的叠加信号。在信号接收机系统中常常需要将间断信号的有用信号时间截取出来再进行下一步信号处理,因为截取后的信号相比原来的带静默间断信号的数据量大幅下降,因此处理复杂度和时间也将大幅下降,并且有些制式的信号在有用信号段时长、静默时长等方面存在固定特征,利用端点识别技术可以提取到这些时长特征,进而以此作为信号识别的依据,因此带静默间断信号的端点识别技术是数字信号处理中一个重要研究领域。
目前,在带静默间断信号端点识别领域已取得了一定的论文及专利等相关成果。2008年,科大讯飞公司提出《一种应用于语音识别系统的端点检测方法》,采用能量双门限与模型分类器判决相结合的方式,即检测-验证策略进行语音信号端点检测,在检测阶段,采用能量双门限算法进行能量初判;在验证阶段,先采用段过零率判决,然后再使用模型分类器进一步的验证。2008年,武汉理工大学的肖宜提出《语音识别中双门限端点检测算法的研究》采用短时能量和短时过零率相结合的方法,利用短时能量和短时过零两个门限来确定语音信号的起点和终点。这些成果基本都是基于信号瞬时功率或幅度作为判别特征进行端点识别的,当信号的信噪条件较好时,基于信号瞬时功率或幅度的技术方案可以很好地完成信号端点识别,然而当信号的信噪条件比较差或者伴有复杂噪声时,基于信号瞬时功率或幅度的方案的性能便会急剧下降,因为此时噪声的功率增大,在时域上噪声幅度与有用信号的幅度相当,从幅度上难以区别静默和有用信号,不能实现精确的端点识别。而且当信号的功率随时间变化时,基于信号瞬时功率或幅度的方案难以设定适当的判决门限,将功率不同的各段有用信号全部识别出来,常会出现漏检现象,只能识别出部分有用信号。
另一方面瞬时频率分析是数字信号处理中的常用方法,不同于传统的频谱分析,只能分析整个信号在整个频谱上的分布情况,瞬时频率可以显示信号在每一个时刻的角频率。信号的瞬时频率只与其频率分布有关,而与信号的瞬时功率大小无关。因此,对于功率大小相当的噪声和有用信号,基于瞬时功率的端点识别方法很难将它们区分出来,但是噪声和有用信号的频谱分布是不同的,瞬时频率也是不同的,然而现有端点识别技术并未有效利用信号的瞬时频率特征。
综上所述,现有技术存在的问题是:
(1)当信号的信噪比较低时,现有端点识别技术的识别精度很低。
(2)当信号的功率随时间变化时,现有端点识别技术会出现漏检现象,识别性能下降。
(3)现有端点识别技术没有有效利用有用信号与噪声在瞬时频率上的分布差异。
解决上述技术问题的难度:本发明提出的基于瞬时频率的带静默间断信号的端点识别方法相比现有的端点识别技术,不是从信号的瞬时能量域着手,而是从信号的瞬时频率域入手,根据信号在瞬时频率域上的分布特征来实现有用信号的起止点识别,技术实现的计算复杂度相对更大,需要设计一个快速准确的求解信号瞬时频率的算法,同时为了区别有用信号与噪声,需要基于二者在瞬时频率域上的区别设计一个合理的判决门限,这是实现精确端点识别的关键。
解决上述技术问题的意义:本发明提出的基于瞬时频率的带静默间断信号的端点识别方法相比现有的端点识别方法具有更好的识别性能和更大的应用范围,可以实现对低信噪比信号和功率时变信号的精确端点识别,同时对于常规的带静默间断信号也能实现很好的识别性能。可有效提高带静默间断信号端点识别的准确性,为后续信号处理和识别提供条件和依据。
发明内容
针对现有技术存在的问题,本发明提供了一种基于瞬时频率的带静默间断信号的端点识别方法及应用。
本发明是这样实现的,一种基于瞬时频率的带静默间断信号的端点识别方法,所述基于瞬时频率的带静默间断信号的端点识别方法包括如下步骤:
第一步,输入待端点识别的带静默间断信号,输入信号为双通道数字信号S(k),(k=1,2,...,K),其中K为数字信号采样总点数,若为单路信号Si(k),(k=1,2,...,K),需要对单路信号Si(k)做希尔伯特变换得到另外一路信号Sq(k),(k=1,2,...,K);
第二步,进行两通道功率平衡,确保后续求得的瞬时频率的准确性;
第三步,得到带静默间断信号的瞬时频率差分量,利用两通道数字信号Si(k)和Sq(k)得到信号的瞬时相位消除瞬时相位的相位突变后,以差分代替微分得到信号的瞬时频率差分量ψ(k),(k=1,2,...,K-1);
第四步,根据有用信号和静默在瞬时频率差分量的值域上分布的区别完成带静默间断信号的端点识别,截取有用信号。
进一步,所述第一步输入待端点识别的带静默间断信号,输入信号为双通道数字信号S(k),(k=1,2,...,K),其中K为数字信号采样总点数,若为单路信号Si(k),(k=1,2,...,K),需要对单路信号Si(k)做希尔伯特变换得到另外一路信号Sq(k),(k=1,2,...,K)具体包括:
(1)若输入待端点识别的带静默间断信号为双通道数字信号S(k),(k=1,2,...,K),其中K为数字信号采样总点数,转至第二步;
(2)若输入待端点识别的带静默间断信号为单路数字信号Si(k)=a(k)cos(wk+θ),(k=1,2,...,K),对Si(k)=a(k)cos(wk+θ)利用希尔伯特变换得到另一路信号其中是a(k)的希尔伯特变换。从而得到双通道解析信号S(k)=Si(k)+j*Sq(k)。
进一步,所述第三步得到带静默间断信号的瞬时频率差分量,利用两通道数字信号Si(k)和Sq(k)得到信号的瞬时相位消除瞬时相位的相位突变后,以差分代替微分得到信号的瞬时频率差分量ψ(k),(k=1,2,...,K-1)具体包括:
(1)根据两通道信号Si(k)和Sq(k)求信号的瞬时相位:
(2)直接求出的瞬时相位存在相位突变,消除相位突变,当前后两点瞬时相位的值差的绝对值超过π时,给后一个点的相位值加2π或减2π,使前后两点的相位值连续,并确保信号的瞬时相位值域在(-π,π);
(3)求带静默间断信号的瞬时频率差分量,对消除了相位突变的瞬时相位做关于时间t的微分得到信号的瞬时频率:
在实际系统实现中,当信号为数字信号时,利用时域差分代替时域微分得到瞬时频率差分量:
进一步,所述第四步根据有用信号和噪声在瞬时频率差分量的值域上分布的区别完成带静默间断信号的端点识别,截取有用信号具体包括:
(1)确定有用信号瞬时频率差分量特征,静默段的信号形式为白噪声,由根据w=2π·f,白噪声的瞬时频率是在(-π,π)的范围内均匀分布的,有用信号的采样率为fs,信号带宽为(-B,B)Hz,则信号的角频率带宽为(-2π·B,2π·B)rad/s,则前后项差分后得到的瞬时频率差分量值域为(-2π·B/fs,2π·B/fs)rad;当信号采样率正好为奈奎斯特频率时,瞬时频率差分量值域为(-π,π);
(2)从得到的瞬时频率差分量,有用信号的瞬时频率差分量小于等于2π·B/fs,而噪声段的瞬时频率差分量则随机分布在(-π,π);求瞬时频率差分量的上包络,瞬时频率差分量的上包络在有用信号起始位置有一个明显的向下跳变,从π跳至2π·B/fs,在有用信号结束位置有一个明显的向上跳变,从2π·B/fs跳至π;
(3)确定有用信号段起止位置,设定判别门限略大于2π·B/fs,当瞬时频率差分量上包络大于门限时,视为静默;当瞬时频率差分量上包络小于门限时,视为有用信号。
本发明的另一目的在于提供一种所述基于瞬时频率的带静默间断信号的端点识别方法在信号接收机系统中的应用,利用本发明提取出间断信号的有用信号和静默的端点、时长等特征,信号接收机系统根据这些特征进行下一步信号处理。
综上所述,本发明的优点及积极效果为:本发明基于瞬时频率的带静默间断信号的端点识别方法,系统输入为带静默间断数字信号,要求已知信号采样率和信号大致带宽信息。利用信号的瞬时频率特征实现信号的端点识别;并利用瞬时频率可以显示信号在每一个时刻的角频率的特点。本发明通过瞬时频率差分量给出间断信号每一时刻的角频率信息,根据有用信号和静默时段不同的频率特征识别出有用信号的起止位置,实现有用信号的端点识别。可以解决低信噪比或功率时变条件下信号基于幅度或功率域端点识别方法识别成功率低的难题。
与现有技术相比,本发明具有以下优势:
本发明利用静默时段和有用信号时段在瞬时频率差分量上分布的区别来实现带静默间断信号的端点识别,可以解决基于功率或幅度域端点识别技术难以实现的低信噪比或信号功率时变条件下精确识别有用信号起止点的难题。
本发明借助瞬时频率实现了低信噪比条件下对带静默间断信号的端点识别,相比传统端点识别技术只增加了计算瞬时频率差分量的步骤,算法处理速度快,而且算法处理结果相比传统端点识别技术精度得到大幅提高。
在一些实际通信系统中,同一频带资源由多个用户共享,而各个用户的发射功率不同,因此采集到的带静默间断信号的信号功率也随用户发射功率而变化,对于此类信号,基于功率或幅度域端点识别技术难以设定适当的门限识别出每一段有用信号,本发明利用静默时段和有用信号时段在瞬时频率差分量上分布的区别来实现带静默间断信号的端点识别,可以实现对此类信号的精确识别。
附图说明
图1是本发明实施例提供的基于瞬时频率的带静默间断信号的端点识别方法的流程图。
图2是本发明实施例提供的基于瞬时频率的带静默间断信号的端点识别方法的实现流程图。
图3是本发明实施例提供的一个低信噪条件下的带静默间断信号的端点识别对比结果示意图;
图中:(a)信号时域波形;(b)采用本发明实现的端点识别结果;(c)采用短时平均能量法的端点识别结果。
图4是本发明实施例提供的一个信号功率时变的带静默间断信号的端点识别对比结果示意图;
图中:(a)信号时域波形;(b)采用本发明实现的端点识别结果;(c)采用短时平均能量法的端点识别结果。
图5是本发明实施例提供的基于瞬时频率的端点识别方法与短时平均能量端点识别法的仿真性能图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种基于瞬时频率的带静默间断信号的端点识别方法及应用,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的基于瞬时频率的带静默间断信号的端点识别方法包括以下步骤:
S101:输入待端点识别的带静默间断信号;
S102:接收机进行两通道功率平衡;
S103:利用双通道数字信号得到信号的瞬时相位,消除瞬时相位的相位突变后,对瞬时相位进行差分得到信号的瞬时频率差分量;
S104:根据有用信号和静默在瞬时频率差分量的值域上分布的区别完成带静默间断信号的端点识别,截取有用信号。
下面结合附图对本发明的技术方案作进一步的描述。
如图2所示,本发明实施例提供的基于瞬时频率的带静默间断信号的端点识别方法包括以下步骤:
第一步,输入待端点识别的带静默间断信号,要求输入信号为双通道数字信号S(k),(k=1,2,...,K),其中K为数字信号采样总点数,若为单路信号Si(k),(k=1,2,...,K),需要对单路信号Si(k)做希尔伯特变换得到另外一路信号Sq(k),(k=1,2,...,K);
第二步,进行两通道功率平衡,不平衡的IQ两路功率分配会影响后续求得的瞬时频率的准确性,因此必须进行信号两通道功率平衡;
第三步,得到带静默间断信号的瞬时频率差分量,利用两通道数字信号Si(k)和Sq(k)得到信号的瞬时相位消除瞬时相位的相位突变后,以差分代替微分得到信号的瞬时频率差分量ψ(k),(k=1,2,...,K-1);
第四步,根据有用信号和静默在瞬时频率差分量的值域上分布的区别完成带静默间断信号的端点识别,截取有用信号。静默段的背景噪声的分布范围是全频带的,而有用信号的分布范围则是受信号的带宽限制的,因此在静默段的瞬时频率差分量的值域明显大于有用信号段的瞬时频率差分量值域。
在本发明的优选实施例中,第一步具体包括:
(1)若输入待端点识别的带静默间断信号为双通道数字信号S(k),(k=1,2,...,K),其中K为数字信号采样总点数,转至第二步。
(2)若输入待端点识别的带静默间断信号为单路数字信号Si(k)=a(k)cos(wk+θ),(k=1,2,...,K),对Si(k)=a(k)cos(wk+θ)利用希尔伯特变换得到另一路信号其中是a(k)的希尔伯特变换。从而得到双通道解析信号S(k)=Si(k)+j*Sq(k)。
在本发明的优选实施例中,第二步具体包括:
当IQ两路信号幅相不平衡时,进行两通道功率平衡,不平衡的IQ两路功率分配会影响后续求得的瞬时频率的准确性,因此必须进行信号两通道功率平衡;现有的接收机基本都能实现IQ平衡。
在本发明的优选实施例中,第三步具体包括:
(1)根据两通道信号Si(k)和Sq(k)求信号的瞬时相位:
(2)直接求出的瞬时相位存在相位突变,必须消除相位突变,当前后两点瞬时相位的值差的绝对值超过π时,就给后一个点的相位值加2π或减2π,使前后两点的相位值连续,并确保信号的瞬时相位值域在(-π,π)。
(3)求带静默间断信号的瞬时频率差分量,对消除了相位突变的瞬时相位做关于时间t的微分就可以得到信号的瞬时频率:
在实际系统实现中,信号都是数字信号,因此利用时域差分代替时域微分得到瞬时频率差分量:
在本发明的优选实施例中,第四步具体包括:
(1)确定有用信号瞬时频率差分量特征,静默段的信号形式为白噪声,而白噪声是在整个频带中均匀分布的,根据w=2π·f,可知白噪声的瞬时频率是在(-π,π)的范围内均匀分布的。有用信号的采样率为fs,信号带宽为(-B,B)Hz,则信号的角频率带宽为(-2π·B,2π·B)rad/s,则前后项差分后得到的瞬时频率差分量值域为(-2π·B/fs,2π·B/fs)rad。可以看出当信号采样率正好为奈奎斯特频率时,瞬时频率差分量值域为(-π,π),而在实际通信中,信号的采样率一般都远大于奈奎斯特频率,因此有用信号段的瞬时频率差分量值域也将被压缩到(-2π·B/fs,2π·B/fs)rad,比如当采样率为带宽的4倍时,瞬时频率差分量的值域范围为(-π/2,π/2)。
(2)从(1)得到的瞬时频率差分量,有用信号的瞬时频率差分量小于等于2π·B/fs,而噪声段的瞬时频率差分量则随机分布在(-π,π)。求瞬时频率差分量的上包络,可以发现瞬时频率差分量的上包络在有用信号起始位置有一个明显的向下跳变,从π跳至2π·B/fs,而在有用信号结束位置有一个明显的向上跳变,从2π·B/fs跳至π。
(3)确定有用信号段起止位置,设定判别门限略大于2π·B/fs,当瞬时频率差分量上包络大于门限时,视为静默;当瞬时频率差分量上包络小于门限时,视为有用信号。
下面结合仿真对本发明的技术效果作详细的描述。
图3给出了一个低信噪条件下的带静默间断信号的端点识别对比结果,其中,(a)为该信号时域波形,(b)为采用短时平均能量法的端点识别结果,(c)为采用基于瞬时频率的端点识别方法实现的端点识别结果。从图中可以看出,有用信号区间为(12604,17945),该信号的信噪条件很差,静默段的噪声功率与有用信号的功率相当。采用短时平均能量法得到的信号短时平均能量随信号的瞬时功率变化,在部分静默段,短时平均能量与有用信号段的短时平均能量相当,不能设定适当的门限来区别静默与有用信号。而当采用基于瞬时频率的端点识别方法时,在静默段,信号的瞬时频率差分量的上包络在1.5左右波动,而在有用信号段,信号的瞬时频率差分量的上包络在0.8以下波动,设置判决门限为0.8,可以精确地实现对该信号的端点识别。
图4给出了一个功率时变的带静默间断信号的端点识别对比结果,其中,(a)该信号时域波形,(b)为采用短时平均能量法的端点识别结果,(c)为采用本发明实现的端点识别结果。从图中可以看出,该信号有三段有用信号,区间分别为(29500,46850)、(48680,67365)和(69165,86520),每一段的有用信号的功率不同。采用短时平均能量法得到的信号短时平均能量随信号的瞬时功率变化,三段有用信号的短时平均能量也不相同,第一段最小,第三段最大,难以设定适当的门限将三段有用信号全部识别处理。而当采用基于瞬时频率的端点识别方法时,在静默段,信号的瞬时频率差分量的上包络在1.5左右波动,而在有用信号段,信号的瞬时频率差分量的上包络在0.8以下波动,设置判决门限为0.8,可以精确地实现对该信号的端点识别。
图5给出了基于瞬时频率的端点识别方法与短时平均能量端点识别法的仿真性能图。仿真综合成功端点识别次数与识别精度两个性能指标,设计一个端点识别性能评价参数p:
其中N为独立测试次数,N1为成功端点识别次数,表示N1次成功端点识别中的有用信号真实端点位置与识别端点位置的平均差值。设定识别端点位置与真实端点位置差值小于等于0.001×fs(fs为信号的采样率)时,识别成功。是表示未能成功识别的惩罚因子,识别成功率越高,惩罚因子越小,反之则越大。p越小,则说明算法的识别性能越好,越大说明算法的识别性能越差。
从图5可以看出,在低信噪比时,基于瞬时频率的端点识别方法的识别性能显著优于短时平均能量端点识别方法。随着信号信噪比的增大,两个算法的识别性能都在提高,当信噪比大于6dB时,识别性能都趋于稳定,基于瞬时频率的端点识别方法的识别性能评价参数p始终小于短时平均能量端点识别方法。因此说明本发明提出的基于瞬时频率的端点识别方法具有相比短时平均能量更好的识别性能。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于瞬时频率的带静默间断信号的端点识别方法,其特征在于,所述基于瞬时频率的带静默间断信号的端点识别方法包括如下步骤:
第一步,输入待端点识别的带静默间断信号,输入信号为双通道数字信号S(k),(k=1,2,...,K),其中K为数字信号采样总点数,若为单路信号Si(k),(k=1,2,...,K),需要对单路信号Si(k)做希尔伯特变换得到另外一路信号Sq(k),(k=1,2,...,K);
第二步,进行两通道功率平衡,确保后续求得的瞬时频率的准确性;
第三步,得到带静默间断信号的瞬时频率差分量,利用两通道数字信号Si(k)和Sq(k)得到信号的瞬时相位消除瞬时相位的相位突变后,以差分代替微分得到信号的瞬时频率差分量ψ(k),(k=1,2,...,K-1);
第四步,根据有用信号和静默在瞬时频率差分量的值域上分布的区别完成带静默间断信号的端点识别,截取有用信号;所述第四步根据有用信号和静默在瞬时频率差分量的值域上分布的区别完成带静默间断信号的端点识别,截取有用信号具体包括:
(1)确定有用信号瞬时频率差分量特征,静默段的信号形式为白噪声,由根据w=2π·f,白噪声的瞬时频率是在(-π,π)的范围内均匀分布的,有用信号的采样率为fs,信号带宽为(-B,B)Hz,则信号的角频率带宽为(-2π·B,2π·B)rad/s,则前后项差分后得到的瞬时频率差分量值域为(-2π·B/fs,2π·B/fs)rad;当信号采样率正好为奈奎斯特频率时,瞬时频率差分量值域为(-π,π);
(2)从得到的瞬时频率差分量,有用信号的瞬时频率差分量小于等于2π·B/fs,而静默段的瞬时频率差分量则随机分布在(-π,π);求瞬时频率差分量的上包络,瞬时频率差分量的上包络在有用信号起始位置有一个明显的向下跳变,从π跳至2π·B/fs,在有用信号结束位置有一个明显的向上跳变,从2π·B/fs跳至π;
(3)确定有用信号段起止位置,设定判别门限略大于2π·B/fs,当瞬时频率差分量上包络大于门限时,视为静默;当瞬时频率差分量上包络小于门限时,视为有用信号。
2.如权利要求1所述的基于瞬时频率的带静默间断信号的端点识别方法,其特征在于,所述第一步输入待端点识别的带静默间断信号,输入信号为双通道数字信号S(k),(k=1,2,...,K),其中K为数字信号采样总点数,若为单路信号Si(k),(k=1,2,...,K),需要对单路信号Si(k)做希尔伯特变换得到另外一路信号Sq(k),(k=1,2,...,K)具体包括:
(1)若输入待端点识别的带静默间断信号为双通道数字信号S(k),(k=1,2,...,K),其中K为数字信号采样总点数,转至第二步;
3.如权利要求1所述的基于瞬时频率的带静默间断信号的端点识别方法,其特征在于,所述第三步得到带静默间断信号的瞬时频率差分量,利用两通道数字信号Si(k)和Sq(k)得到信号的瞬时相位消除瞬时相位的相位突变后,以差分代替微分得到信号的瞬时频率差分量ψ(k),(k=1,2,...,K-1)具体包括:
(1)根据两通道信号Si(k)和Sq(k)求信号的瞬时相位:
(2)直接求出的瞬时相位存在相位突变,消除相位突变,当前后两点瞬时相位的值差的绝对值超过π时,给后一个点的相位值加2π或减2π,使前后两点的相位值连续,并确保信号的瞬时相位值域在(-π,π);
(3)求带静默间断信号的瞬时频率差分量,对消除了相位突变的瞬时相位做关于时间t的微分得到信号的瞬时频率:
在实际系统实现中,当信号为数字信号时,利用时域差分代替时域微分得到瞬时频率差分量:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010006727.6A CN111081274B (zh) | 2020-01-03 | 2020-01-03 | 基于瞬时频率的带静默间断信号的端点识别方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010006727.6A CN111081274B (zh) | 2020-01-03 | 2020-01-03 | 基于瞬时频率的带静默间断信号的端点识别方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111081274A CN111081274A (zh) | 2020-04-28 |
CN111081274B true CN111081274B (zh) | 2022-03-25 |
Family
ID=70321828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010006727.6A Active CN111081274B (zh) | 2020-01-03 | 2020-01-03 | 基于瞬时频率的带静默间断信号的端点识别方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111081274B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6400129B1 (en) * | 1999-02-16 | 2002-06-04 | Advantest Corporation | Apparatus for and method of detecting a delay fault in a phase-locked loop circuit |
CN101887407A (zh) * | 2010-07-16 | 2010-11-17 | 哈尔滨工业大学 | 一种基于希尔伯特-黄变换的设备或系统机内测试信号特征提取方法 |
CN107209260A (zh) * | 2015-02-04 | 2017-09-26 | 古野电气株式会社 | 信号处理装置、雷达装置及信号处理方法 |
CN108008187A (zh) * | 2017-12-08 | 2018-05-08 | 大连海洋大学 | 基于变分模态分解的电网谐波检测方法 |
CN108594177A (zh) * | 2018-03-16 | 2018-09-28 | 西安电子科技大学 | 基于改进hht的雷达信号调制方式分析方法、信号处理系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016102651A1 (fr) * | 2014-12-24 | 2016-06-30 | Reza Yves Jean-Paul Guy | Procedes de traitement et d'analyse d'un signal, et dispositifs mettant en œuvre lesdits procedes |
-
2020
- 2020-01-03 CN CN202010006727.6A patent/CN111081274B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6400129B1 (en) * | 1999-02-16 | 2002-06-04 | Advantest Corporation | Apparatus for and method of detecting a delay fault in a phase-locked loop circuit |
CN101887407A (zh) * | 2010-07-16 | 2010-11-17 | 哈尔滨工业大学 | 一种基于希尔伯特-黄变换的设备或系统机内测试信号特征提取方法 |
CN107209260A (zh) * | 2015-02-04 | 2017-09-26 | 古野电气株式会社 | 信号处理装置、雷达装置及信号处理方法 |
CN108008187A (zh) * | 2017-12-08 | 2018-05-08 | 大连海洋大学 | 基于变分模态分解的电网谐波检测方法 |
CN108594177A (zh) * | 2018-03-16 | 2018-09-28 | 西安电子科技大学 | 基于改进hht的雷达信号调制方式分析方法、信号处理系统 |
Non-Patent Citations (1)
Title |
---|
无线电信号识别方法的研究;陈健,李建东,阔永红;《微电子学与计算机》;20051220;第22卷(第11期);137-139 * |
Also Published As
Publication number | Publication date |
---|---|
CN111081274A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2828856B1 (en) | Audio classification using harmonicity estimation | |
CN106653062A (zh) | 一种低信噪比环境下基于谱熵改进的语音端点检测方法 | |
CN102760444B (zh) | 基于支撑向量机的基带时域音频信号分类方法 | |
US20150106087A1 (en) | Efficient Discrimination of Voiced and Unvoiced Sounds | |
Wang et al. | Digital audio tampering detection based on ENF consistency | |
CN102054480A (zh) | 一种基于分数阶傅立叶变换的单声道混叠语音分离方法 | |
CN107274911A (zh) | 一种基于声音特征的相似度分析方法 | |
CN103632681B (zh) | 一种谱包络静音检测方法 | |
CN110085259B (zh) | 音频比对方法、装置和设备 | |
CN104916288B (zh) | 一种音频中人声突出处理的方法及装置 | |
Li et al. | Speech endpoint detection method based on TEO in noisy environment | |
Sun et al. | Dynamic time warping for speech recognition with training part to reduce the computation | |
CN104052703B (zh) | 一种微量采样数据数字调制识别方法 | |
US20160260442A1 (en) | Method and apparatus for detecting noise of audio signals | |
US10522160B2 (en) | Methods and apparatus to identify a source of speech captured at a wearable electronic device | |
CN111081274B (zh) | 基于瞬时频率的带静默间断信号的端点识别方法及应用 | |
US7127392B1 (en) | Device for and method of detecting voice activity | |
CN102006252A (zh) | 一种单音信号识别方法 | |
CN110379438A (zh) | 一种语音信号基频检测与提取方法及系统 | |
CN113988121A (zh) | 基于特征提取的加权投票多分类器地面雷达目标自动识别方法 | |
CN110060700A (zh) | 基于参数谱估计的短序列音频分析方法 | |
JP5203404B2 (ja) | テンポ値検出装置およびテンポ値検出方法 | |
CN118044814B (zh) | 一种基于脑电信号的注意力识别与调节方法及计算机设备 | |
CN109462561A (zh) | 基于概率的噪声估计与门限判决方法 | |
Graf et al. | Low-Complexity Pitch Estimation Based on Phase Differences Between Low-Resolution Spectra. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200911 Address after: Taibai Road 710071 Shaanxi city of Xi'an province Xi'an Electronic and Science University No. 2 Applicant after: XIDIAN University Applicant after: CHINA INSTITUTE OF RADIO WAVE PROPAGATION (CHINA ELECTRONICS TECHNOLOGY Group CORPORATION NO 22 Research Institute) Address before: Taibai Road 710071 Shaanxi city of Xi'an province Xi'an Electronic and Science University No. 2 Applicant before: XIDIAN University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |