关键字 |
| 分类器算法;战术通信;自适应特性。 |
介绍 |
| 在不降低信号质量的情况下降低信号带宽是现代通信中具有挑战性的一部分，为此目的，许多编解码器实时存在，如PCM A-law/U-law,Adpcm以不同的数据速率16-，24-，32-，40 kbps，其中信号带宽通过减少每个样本的比特数而降低信号质量，在军事通信系统中，质量是保证安全传输的重要因素，战术通信系统被称为战术通信系统。对于这种每采样1比特的调制，delta调制演化为简单而安全的通信。但该算法由于步长固定，存在严重的斜率过载失真和颗粒噪声问题，为此设计并实现了可变步长[2]的连续变斜率增量调制(CVSD)编解码。 |
相关工作 |
| 本文尝试对分类器算法[6]进行扩展。能够识别PCM ??在此，我们将CVSD编解码器引入到现有的库中，采用新的技术，即SWOB(比特流滑动窗口)技术，从CVSD编码的比特流中提取新的参数，并结合AC(自相关)、SOM(中心二阶矩)和BRO(二进制比)、偏度(中心三阶矩)、中心四阶矩、中心五阶矩七个参数。 |
| 本文的主要贡献可以总结为: |
| 介绍了CVSD编解码器在现代通信中的需求。 |
| 介绍了该新技术，并详细说明了分类器算法。 |
| 简要描述分类器中使用的参数。 |
| 实验结果制成表格。 |
分类器算法 |
| 这是对现有分类器算法[6]能力的扩展。通过将CVSD编解码器参数添加到库。通过语音鉴别器接收的比特流被分成不同的2000位段。对每个片段进行滑动窗口技术(SWOB)，将其划分为8,10,16,24,32位帧。计算每一段的前5个中心阶矩、自相关和二值比，并在识别输入信号类别的决策框中进行比较。 |
| 图2显示了能够识别和分类数字语音比特流的分类器算法框图。在通用译码器设计中采用该分类算法，可以提高译码器在分析大量未分类信号时的性能。 |
分类技术及参数 |
拖把的技巧: |
| 该技术是一种新颖的技术，它应用于接收到的比特流，它将从一组比特中生成不同大小的幻灯片8、10、16、24和32。滑动窗口技术的数学表示表示为 |
 |
| 其中，b(i)为接收比特流，S(i)为通过窗口技术获得的十进制值，w为滑动窗口大小，n为接收比特数。 |
| 滑动窗口技术流程如图3所示，具体流程如下:首先选择滑动窗口的大小，从窗口中出现的位数中计算出十进制值。其次，将窗口滑动1位，并计算其十进制(字节)等效，该过程继续处理接收位流中的剩余所有位。在我们的分析案例中，滑动窗口的大小取为8。利用滑动窗口技术计算出十进制等价后，在这些十进制值上计算自相关序列和前五个中心阶矩[8]，从而对数字语音比特流进行分类。 |
意思是: |
| 它计算传入比特流的所有幻灯片序列的平均值。 |
自相关序列: |
| 自相关表示给定时间序列与其滞后版本在连续时间间隔[9]之间的相似程度。信号x(n)的自相关序列的数学表达式为[1]，[4]: |
 |
| 式中，*为复共轭，k为滞后，R(k)为信号的自相关序列。这里，我们不进行复共轭计算。ACS方程可以写成 |
 |
| 其中s(i)是滑动窗口技术生成的真实值，N是段长度，k是计算的滞后时间。为了减少乘法，我们使用实ACS而不是复值。 |
中心的时刻: |
| 前五个中心阶矩被计算到传入比特流的不同幻灯片测量一维点集的宽度和测量高维点云[10]的形状。s(i)中心阶矩的数学表示为[1]，[4]: |
 |
| µk是KTH中心阶矩。 |
 |
 |
| BRO 'Binary Ratio: |
| 由于不同编解码器[7]的低电平和高电平比值存在差异。因此，将BRO作为对数字语音比特流进行分类的参数。BRO是根据传入比特流的每2000段来计算的。 |
| 如果b (i) = 0;然后ZR = ZR + 1。 |
| 如果b (i) = 0;然后ZR = ZR + 1 |
| 二值比(BRO)为BRO=ZR/OR。 |
| 式中，ZR为数字比特流中较低的层数。OR是数字比特流中较高的层数。 |
实验结果 |
| 在测试算法之前，生成了大量的测试信号。使用麦克风记录语音信号，并以每秒8000个采样的速度采样。这些样本以int16格式存储，并使用CVSD编码算法进行编码。采用分类器算法对所有测试信号进行处理，可以看出CVSD类信号被识别出来。 |
| 根据对大组测试体进行分析后得到的结果，得到的每个类别的阈值如表1所示。每个类的这些阈值存储在决策框中，基于这些阈值，我们可以将捕获的比特流检测为cvsdc |
| 根据对大组测试体进行分析后得到的结果，得到的每个类别的阈值如表1所示。每个类的这些阈值存储在决策框中，基于这些阈值，我们可以将捕获的比特流检测为CVSD。 |
结论及未来工作 |
| 本文描述了一种能够准确识别数字语音比特流的数字语音信号分类器。该分类器能够在不同的数据速率下识别CVSD。它将对数字语音比特流进行分类，当比特流不同步时，即开始位未被识别，对于捕获的信号，分类器算法计算接收信号的所有7个参数，即二进制比率，自相关，均值，方差，三阶矩，四阶矩，五阶矩，然后比较存储在决策框中的阈值，它对任何给定的比特流进行分类。这些阈值被添加到已经存在的库[6]。 |
| 该分类器算法比传统的、广泛应用的未知比特流识别技术更可靠、复杂度更低。未来的工作可以对其他信号类型进行分类，即图像、视频等。 |
表格一览 |
 |
| 表1 |
|
数字一览 |
 |
 |
| 图3 |
图4 |
|
参考文献 |
- N. Benvenuto，“语音/语音带数据鉴别器”。IEEE Trans.onCommun…卷。41, 4。1993年4月，第539-543页。
- “设计的连续可变斜率delta调制”，唐纳德s .泰勒准备摩托罗拉模拟营销。
- “连续可变斜率Delta调制”，附录F遥测标准，irg标准106-13(第1部分)，附录F, 2013年6月。
- J. S. Sewall，“数字电话网络中的信号分类”，硕士论文，1996年1月3日，加拿大阿尔伯塔大学电子与计算机工程系。
- xiangqixu Bruce F.Cockburn, Deepak P.Sarda。“基于商用个人计算机平台的非dsp实时语音带信号分类器”，IEEE加拿大电气与计算机工程会议，加拿大艾伯塔省埃德蒙顿，1999年5月9-12日。Pg 90 - 94。
- satheesh，“一种用于识别非分类数字声音的新方法”，工程与管理应用或创新国际期刊。
- arthrajTripathi Dr.K。PadmaRaju, Ashok Kumar Ginni，“通信系统中的语音/数据歧视”，IOSR, 2012年第2卷。
- J.E. Hipp。基于统计矩的调制分类，IEEE MILCOM ' 86 C d。， 10月，1986，第20.2.1-20.2.6页。
- 《信号与系统》教材，AlanV.Oppenheim。威尔斯基，s .哈米德纳瓦布，2006年第二版。
- 在线计算高阶矩”，TimothyB.Terriberry。
|
菜单
