Оптимальная фильтрация речевых сигналов при наличии коррелированных помех

Тип работы:
Реферат
Предмет:
ТЕХНИЧЕСКИЕ НАУКИ


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Ilpucmpoima системырадюзв'-язку, радюлокацп, радюнавиаци
систем керування технолопчними процесами, зможе замшити icHyioni датчики застарших тишв, наприклад датчики тиску МИДА-ДИ-01 П.
Лггература
1. Дворников A.A., Огурцов В. И., Уткин Г. М. Стабильные генераторы на поверхностных акустических волнах. -М.: Радио и связьД 983. -136 с.
2. Речицкий В. И. Акустоэлектронные радиокомпонешы.М. :Радио и связь, 1987. 192 с.
3. П1дцубний В. О. Вишрювальш перетворювач! тиску рдаш. та газу // 1нформати-защя танов1 технолога. — 1995.- № 2. — с. 14−16.
4. Башкатов P.C. и др. Разработка и исследование датчиков давления на ПАВ. // Материалы конф. «Акустоэлектронные устройства обработки информации». -Черкассы, 1990. -е. 238−239.
5. Функциональный перетворювач на ПАХ/ Ван Цзячжен, В. В. Шдцубний, В.О. Шддубний// Материали 3-ей Междунар. молодежной научно-технической конф. «Современные проблемы радиотехники и телекоммуникаций& quot- (РТ-2007). -Севастополы Изд-во СевНТУ, 2007. -с. 142. _
Ключов! слова: поверхнево-акустичш перетворювач!, перетворювач! мехашчних величин, датчики на поверхнево-акустичних хвилях
Поддубный В. А., Поддубный В. В. Преобразователь механических величин на поверхнотных акустических волнах Проведен расчет параметров преобразователя механических величин в частотный выходной сигнал. Рассмотрены вопросы деформационной и температурной чувствительности. Приведено результаты исследований. Poddubny V.A., Poddubny V.V. Mechanical Values Transformer on the Surface Acoustic Waves Calculation of parameters of the membrane type mechanical values transformer into the frequency electric signal is rewired. The article deals with the issues of deformational and heat sensitivity. Results of research are shown.
УДК 621. 391. 26
ОПТИМАЛЬНАЯ ФИЛЬТРАЦИЯ РЕЧЕВЫХ СИГНАЛОВ ПРИ НАЛИЧИИ КОРРЕЛИРОВАННЫХ ПОМЕХ
Партала М. О. Жук С, Я,
С использованием метода калмановской фильтрации синтезирован оптимальный ачгоритм фильтрации речевых сигналов при наличии коррелированных помех. Получена структурная схема оптимального фильтра. Анализ алгоритма проведен на тестовом речевом сигнале путем моделирования работы фильтра на ЭВМ.
Вступление. Постановка задачи
Задача фильтрации сигналов на фоне белого гауссовского шума получила широкое распространение [1]. В тоже время интерес представляет фильтрация речевых сигналов при наличии коррелированных помех. Например, окрашенными помехами можно считать шум двигателя, шумы радиоэфира, пр. Поэтому представляет интерес решение задачи оптимальной фильтрации речевых сигналов на фоне таких помех. Кроме того, точностные характеристики оптимального фильтра позволяют оценить потенциально достижимые характеристики синтезированного в [2] адаптивного фильтра речевых сигналов при наличии коррелированных помех со случайной сменой их вероятностных характеристик для различных ситуаций.
Теоретическое обоснование Е | с ц & gt- т г ц 1л
Для описания речевого сигнала х (к) также как и в ^ используется марковская гауссовская модель в виде: М0С1ЙЧУКА 3 I Т, А Л I Я
Вкник Нащонального техмчного умверситет/^к^ни^^А^ ^ 17 Серш — Радютехмка. Ради) апаратобудування. -2008. -МЗ6
Пристрох та системи радюзв'-язку, радюлокаци, радюнавггаци
х (к) = Гх (к, к -1)х (к -1) + вх (к)у (к), (1)
где х (к) — вектор состояния, содержащий отсчеты речевого сигнала- Ех (к, к —), Сх{к) — известные матрицы- (к) ~ некоррелированная последовательность гауссовских векторов #(0,1), х (0) — начальный вектор состояния Ы (х (0), Рх (0)) —
Удобной математической моделью коррелированных помех также являются марковские гауссовские процессы, В рамках существующей корреляционной теории любой процесс можно с достаточной степенью точности описать марковским гауссовским процессом [3]. Поэтому уравнение для описания коррелированной помехи можно представить в виде:
г (к) — ^ (к, к -1)г (к -1) + О, (к)п (к (2)
где 2(к) -вектор, включающий отсчеты помехи- (к, к -1), & lt-Я (к) -известные матрицы- п (к) — некоррелированная последовательность гауссовских векторов N (0,1) — г (0) — начальный вектор состояния помехи N (10)-Д (0)).
Уравнение наблюдения речевого сигнала (1) при наличии коррелированной помехи (2) можно представить в виде:
у (к) = Нх (к)х (к)+Нх{к)г (к) + ъ (к (3)
где у (к) -вектор наблюдения- Нх (к), Н2 (к) -известные матрицы- & gt-(к) некоррелированная последовательность в общем случае гауссовских векторов N (0, Я (к)).
Следуя методике [2], для решения задачи введем расширенный вектор состояния [х (к), 1(к)]Т, включающий речевой сигнал х (к) и коррелированную помеху г (к.). При этом модель процесса, подлежащего фильтрации имеет вид:
п 1 Г v-nr-. nl Г, а (1г о 1ГлЛ1г1
(4)
'-х (к) ~Гх (к, к-1) 0 1 х (к ¦ -1)& quot- ~Ох (к) 0 '-у (к)
0 1)] _г{к-. 0 & lt-?,(*)_ п (к)_
у (к) = [Нх (к)НШ'-
'-х (к)
+ и (к).
Ак)
Уравнения (4), (5) описывают модель расширенного процесса [х (кг (к)]т и механизм его наблюдения на фоне некоррелированной помехи. Оптимальным решением задачи фильтрации расширенного процесса [х (к), 2(к)]т по наблюдениям У (к) является алгоритм калманов-ской фильтрации [1], который для модели (4), (5) можно представить как:
(6)
'-х (к) 0 & quot- (к -1)& quot-
.0 } (к -О
18 В? с ник Национального техничного утверситету У крат и & quot-КП1"-
Серы — Радютехшка. Радюапаратобудування. -2008. -№ 36

х (к) гк)
х (к) 2(к)
Кх (к) Кг (к)
Дда лда
Ат (к) Р2(к)
Кх{к)
к Л*)
СУ (к)-Нхх (к) — Н.2 (к)) —
рх (к) л да
А*т{к) Р'-2{к)_
[НХН: ]Т 0-к) —
Ада л* да л*гда р*(к)
Кх (к)
[ад-
яда л* да л*гда л*да
(8) (9) (10)
где х (к), 2 (к), х (к), 2(к) — векторы прогноза и оценки речевого сигнала х (к) и коррелированной помехи г (к) — Р*(к)9Р*(к), Р2(к), Рг (к) — корреляционные матрицы ошибок прогноза и оценки речевого сигнала х (к) и коррелированной помехи — А* (к) — матрица взаимной корреляции ошибок прогноза векторов х (к), г (к) — А (к) — матрица взаимной корреляции ошибок оценки векторов х (к), г (к)-Кх (к), К2(к) -коэффициенты усиления каналов фильтрации речевого сигнала и помехи оптимального устройства- В (к)=НхР*Нх +2ЯД. Л*#Г +НгР*(к)НI начальные условия имеют вид
т=х (0), Рх (0) = РхФ) Л0) = (0) = 0. С целью сокращения
выражений (6)… (10) в обозначениях для Рх{к, к-1), Гг (к, к~-1) Ох (к), Ог (к), Нх (к)9 Н. (к) опущена зависимость от дискретного времени.
Структурная схема оптимального фильтра показана на рис. Ь и включает два взаимосвязанных канала фильтрации речевого сигнала х (к) и помехи г (к). Она имеет сходство со структурной схемой одного канала адаптивного фильтра, полученного в [2]. В отличие от последней, в структурной схеме рис Л в цепи обратной связи отсутствуют входные сигналы, передаваемые по обратным связям между каналами адаптивного устройства.
Рис. 1.
Вкник Нащонального техшчного университету Украши & quot-КПГГ 19 Серы — РаЫотехтка, Радюапаратобудування. -2008. -МЗ6
Пристрой та системирадюзв '-язку, радюлокацп, радюнавШцп
Рис. 2.
Оптимальный фильтр согласован только с одним видом коррелированной помехи, которая удовлетворяет уравнению (2) и позволяет оценить потенциальные характеристики адаптивного устройства для выбранного вида помех.
Результаты экспериментальных исследований
Исследование полученного алгоритма проведено на реальном речевом сигнале, который после дискретизации с частотой 8 кГц записывался в память ЭВМ. В качестве тестовой реализации (рис. 2) использовалась & quot-сшитая"- последовательность озвученных букв русского алфавита.
Речевой сигнал описывался авторегрессионной моделью 9-го порядка 9
s (k) = 1? dis (k-l) + qv (k). (11)
/=1
На основе полученных оценок корреляционных функций реализации путем решения уравнений Юла-Уокера [1] рассчитаны значения параметров а^ (1. 08, -0. 19, -0. 17, -0. 02, 0. 15, -0. 12, -0. 01, -0. 08, 0. 04), ?7=0. 06. На рис. 3 показаны оценка нормированной спект-ральной
плотности мощности тестовой реализации и полу-ченная на основе модели (11) ее огибающая, которые хорошо согласуются. Для описания помехи использовалась модель [4]:
и (к) = сги (к -1) + с2и (к — 2) + q0n (k) + qxn (k -1), (12)
формирующая случайную последовательность с корреляционной функцией Я (т) = о2 exp (-a|x|)cos (co0i). На рис. 4а, б показаны оценки нормированных спектральных плотностей мощности и их огибающие для помех с параметрами: а, =800 с& quot-1, шш-1000 Гц- а2=40 с& quot-1, ф02=ЮОО Гц. Анализ алгоритма (6)… (10) проводился путем определения отношения сигнал/шум до (SNR) Рис. 4.
и после (SNR2) фильтрации для некоррелированной и рассмотренных видов коррелированных помех. Результаты исследований сведены в табл.1. Выигрыш A-SNR2-SNR] в повышении отношения сигнал/шум после
v щжтщ

Рис. 3.
isco 2 €Х= v-:. -
шшшвшшш.
¦ Ж
б
20 Вкник Национального техшчного ушверситету Украти & quot-КШ"-
СерЫ — Радютехшка. Радюапаратобудування. -2008. -№ 36
ilpucmpoi та системы радюзв '-язку, радюлокаци, рад'-юнавггаии
фильтрации достигает для более узкополосной помехи — 29 дБ, для более широкополосной — 18 дБ. С увеличением 8ИЯ выигрыш, А уменьшается.
Таблица 1
Некоррелированная помеха Коррелированная помеха 1 Коррелированная помеха 2
SNRi- дБ -16.7 -8.6 5.2 10.9 -16.7 -8.6 5.2 10,9 -16.7 -8.6 5.2 10. 9
SNR2, дБ 0.3 3.3 10.9 15.5 1.5 4.6 11.5 15.8 12.4 16.7 21.7 26
А, дБ 17 11.9 5.7 4.5 18.2 13.2 6.3 4.8 29.1 25.3 16.5 15. 1
Выводы
В синтезированном оптимальном алгоритме (6)… (10) выполняется совместная фильтрация речевого сигнала и коррелированной помехи. При этом ошибки фильтрации полезного сигнала и помехи на каждом такте являются коррелированными. Оптимальное устройство включает два канала фильтрации речевого сигнала и коррелированной помехи, которые являются взаимосвязанными. Как следует из результатов моделирования, учет корреляционных свойств помехи позволяет получить приращение выигрыша в отношении сигнал/шум после фильтрации по сравнению с некоррелированной помехой до десяти децибел и более. Выигрыш тем больше, чем уже спектр коррелированной помехи.
Литература
1. Назаров В. М., Прохоров Ю. Н. Методы цифровой обработки и передачи речевых сигналов. М.: Радио и связь, 1985, -176 с.
2. Паргала М. О., Жук С Л. Адаптивна фшьтрацк мовних сигнал1 В при наявносп коре-льованих перешкод з випадковою змшою шов! ршсних характеристик. //Вюник НТУУ «КПГ. Сер1я-Радютехника. Радюаларатобудування. -2007, № 35. С. 42−45.
3. Тихонов В. И., Миронов М. А. Марковские процессы. М.: Сов. радио, 1977. -408 с.
4. Быков В. В. Цифровое моделирование в статистической радиотехнике, М.: Сов. радио, 1971. 328 с. __
Ключов! слова: мовн! сигнали, фшьгращя мовних сигналш, оптимальна фшьтрац1я
Партала М. О, Жук С. Я. Оптимальна фшьтрацш мовних сигналив при наявноет! корельованих перешкод Синтезовано оптимальний алгоритм фшьт-раци мовних сигнал 1 В при наявносп корельованих перешкод. Отримана структурна схема оптимального фшьтру. Анал1з алгоритму проведено на тестовому мовному сигнал! моделювання роботи фшьтра. Partala М. О, Zhuk S. Y. Optimal filtering of speech signal on presence of correlated noise it use method of Kalman filtering optimal algorithm of speech signal filtering to synthesize on the presence of correlated noise. Structure scheme of optimal filter is proposed. Algorithm is analyzed on the test speech signal by means of computer model of filter.
УДК 681. 324. 004. 28
ПРОГНОЗ ПОВЕДНГКИ ПЕРЕВ АНТАЖЕБИХ ШФОРМАЩЙНИХ РАДЮСИСТЕМ
Бичковсъкий В. О.
Розглянута та проаначгзована робота перевантажених тформацтних padiocuc-тем. Выкопано дослгднщъкий прогноз ix поведтки та визначенш умови выходу з режиму перевантаження.
Вступ. Постановка задач!
Гнформацшш радюсистеми (IPC) е одним з вщцв складних техшчних
Вкник Нацюнального техшчного университету Укршни & quot-КПГ'- 21 СерЫ — PadiomexiiiKCL Радюапаратобудування. -2008. -№ 36

ПоказатьСвернуть
Заполнить форму текущей работой