基于小波變換的多路莫爾斯電報自動譯碼*

肖 雙 高 勇

(四川大學電子信息學院 成都 610065)

基于小波變換的多路莫爾斯電報自動譯碼*

肖 雙 高 勇

(四川大學電子信息學院 成都 610065)

針對人耳對多路莫爾斯電報疊加時抄報能力弱的問題,文章提出了一種基于小波變換的多路莫爾斯電報的分離譯碼方法,并對其可行性和優勢做了簡要的分析。該方法將小波變換直接應用于莫爾斯電報頻率的自動鎖定后,自動完成了多路混疊的莫爾斯電報信號分離,并結合莫爾斯電報本身的結構特征,實現多路莫爾斯電報的自動譯碼功能。實驗結果表明,用小波變換的方法處理多路莫爾斯信號是切實可行的,具有一定的實用價值。

小波變換; 多路莫爾斯; 電報自動譯碼

1 引言

莫爾斯電報是一種傳統的通信手段,即便在現代化戰爭條件下,莫爾斯電報由于其設備簡單、通信距離遠等特點,依然是戰術通信的重要工具,同時也是業余無線電愛好者的主要交流工具。標準莫爾斯電碼由點、劃以及碼間隔、字間隔、組間隔五個元素組成,其長度比為1∶3∶1∶3∶5,實際工作中由于報務員拍報的差異性,點劃長度和間隔長度之間的比例會有所變化[1]。

當前對莫爾斯電報的接收主要采用人工值守方式,該方式需要大批經驗豐富的抄報員,并且易受人的心理、生理因素影響[2]。此外,在實際偵聽環境中,帶內多信號的情況常常出現,容易形成相互干擾。由于受到人耳掩蔽效應影響,當同時存在多路莫爾斯電報信號時,單純依靠人耳抄報存在很大的困難,因此,設計一種能夠部分取代人耳的自動譯碼系統,區分多路電報信號并解除監聽人的繁重勞動是十分有必要的。

對莫爾斯電報的自動接收譯碼是一個古老的話題,國內外許多機構都自動譯碼識別有過研究。長期以來,人們一直致力于解決電報信號的自動檢測問題,設法從含噪信號中提取報文信息,到目前為止也取得了一定的成果[3],但是對多路莫爾斯電報的分離和自動譯碼,國內外涉及的都比較少。本文主要利用小波變換處理多路莫爾斯電報信號,精確鎖定莫爾斯電報頻點,結合莫爾斯電報本身的結構特征,從而實現多路莫爾斯分離和自動譯碼的功能。

2 小波變換時頻分析原理

小波變換是一種信號的時間-尺度或時間-頻率的分析方法,即在時域對信號進行離散變換在頻域進行譜分析的方法。它具有高分辨率的特點,而且在時、頻兩域都具有表征信號局部特征的能力[4]。

(1)

則稱ψ為一個基本小波或小波母函數。將小波母函數進行伸縮和平移可得一個小波序列

(2)

式中,a,τ∈R,且a≠0,a為尺度因子,τ為平移因子,定義下式:

(3)

為關于基小波ψ的連續小波變換,其中ψ*表示ψ的共軛運算。顯然,變換后的函數是二維的,即小波函數把原來的一維信號變成二維信號,這樣有利于提取信號函數的某些本質特征[5]。小波包(WP)是小波變換(WT)的拓展,它可以為信號分析提供一種更加精細的方法,并能將頻帶進行多層次劃分,同時還可以對小波變換的多分辨分析中的高頻部分進一步分解[6]。

信號序列{s(n)}的小波包變換可以描述為

(4)

式中,h(i)和g(i)別表示低通和高濾波器[7]。通常,多路莫爾斯電報信號具有不同的頻點和能量分布,其信號的主要頻率和能量成分必然位于小波包分解下的一個或幾個時頻分布空間中,由于時頻分布操作簡單,信號蘊含信息很強[8],可以通過連續觀測結果分析,利用小波函數對多路莫爾斯電報信號進行分解,提取尺度空間上的能量分布特征,準確地鎖定莫爾斯電報的頻點,這是對多路莫爾斯電報分離譯碼的關鍵。

3 利用小波變換處理多路莫爾斯電報

利用小波變換對多路莫爾斯電報分離譯碼過程如圖1所示。

圖1 多路莫爾斯電報分離譯碼流程圖

實驗中,采用電子鍵產生兩路標準莫爾斯電報,圖2(a)為頻率1kHz、點長度為80ms的莫爾斯電報時域圖;圖2(b)為頻率為2.5kHz、點長度為100ms的莫爾斯電報時域圖;圖2(c)為兩路電報疊加后的時域圖。

圖2 莫爾斯電報時域圖

為了使信號接近實際,在疊加后的多路莫爾斯電報中加入高斯白噪聲,圖3(a)和3(b)分別為疊加信號加入高斯白噪聲后的時域圖和語譜圖(信噪比0dB)。從圖3(a)中可以看出,疊加后的信號已經被白噪聲淹沒,肉眼難辨,同時對人耳的聽覺識別的難度也比較大。但是從3(b)的語譜圖上看,不同頻率的兩路莫爾斯電報信號是分開的,這給我們從時頻分析角度進行莫爾斯電報自動譯碼給予了啟發。

圖3 加入白噪聲后疊加信號的時域圖和語譜圖

對多路莫爾斯電報分離譯碼的具體過程如下:

1) 預處理

預處理是多路莫爾斯電報分離譯碼的第一步,莫爾斯電報在經過信道時常常混入噪聲,濾波處理能減少后續譯碼工作的難度。由于莫爾斯電報是單頻等幅信號,不同于復雜語音,它只出現在單一頻率附近,由于受到信道的影響,頻率可能略有些小的偏差,可采用粗濾的方式,即人工設定低通濾波器參數,保留只含有莫爾斯電報頻率范圍內的信號,再對濾波后的莫爾斯電報進行處理。

2) 小波變換處理

小波變換部分主要采用小波包變換,將莫爾斯電報信號進行正交小波包分解,分析各個頻帶的能量分布情況,提取出具有分類意義的信息,其算法步驟如下:

(1)對莫爾斯電報信號進行L層小波包分解,提取各頻帶的信號。

(2)計算信號各頻帶能量,其計算公式為

(5)

式中,ELi和SLi分別表示第L層第i個頻帶信號的能量和重構信號,xik表示第i個頻帶信號的第k個離散點的幅值,N為重構信號SLi(t)的長度。當i=0,1,2,…,2L-1時,就可以得到第L層所有頻帶的信號能量。

(3)將各個頻帶的信號能量組成特征向量即:E=[EL0,EL1,…,EL2L1]。

在小波變換處理的過程中取小波變換的尺度因子為256,即式(3)中a=256。實驗中信號采樣率為8kHz,信號的頻率范圍為0kHz～4kHz,其分辨率為15.625Hz,信號經過小波變換處理后的能量特征向量如圖4所示。

圖4 小波變換后能量特征向量

3) 多路莫爾斯電報信號頻率鎖定

通常,一個信號中上升與下跳沿附近以及一些起伏變化部分蘊含了豐富的能量信息,信號經過小波變換之后能夠提取這些能量信息用來輔助判定莫爾斯電報的結構特征。同時,在能量特征向量中,含有莫爾斯電報的頻率段內的能量明顯要高于不含信號的頻率段。由此可以知道,找到特征向量中能量的最值,就可以鎖定莫爾斯電報所在的頻率。因此對上述的特征向量分別求和,并進行最大值搜索,結果如圖5所示。

圖5 能量特征向量的極值

由圖5可以看出,能量的最大值點分別出現在橫坐標64和160的位置。通過上文得到,每一個單位間隔的頻率為15.625Hz,則可算出在64和160的位置對應的頻率分別為1000Hz和2500Hz,由此,便能夠鎖定莫爾斯電報的頻率并對其進行篩選分離,繼而對之分開譯碼。

從頻率鎖定的角度,傅里葉變換在頻域也具有準確的定位性,但是在時域沒有任何的分辨能力,它分析的是整個信號持續時間內的整體頻域特性,經過傅里葉變換之后得到的是頻域信息,時間信息(位置信息)完全丟失[9]。例如兩個時間域不同的信號,其FFT變換后的圖形的可能完全一樣,所以傅里葉變換缺乏頻率對時間的定位功能。而小波變換具有多尺度特性,可以把頻率強度和時間位置聯系起來,而莫爾斯電報信號由于其結構特性,在譯碼時對時間信息(點劃的位置信息)具有較高的依賴性,所以,小波變換在一定程度上解決了傅里葉分析的缺點。這一點可以從小波變換后(圖6)的時頻圖上更加清楚直觀地表示。

圖6 小波變換后的時頻圖

圖6為疊加帶噪的莫爾斯電報信號經過小波變換后的時頻圖,橫軸為時間,縱軸為頻率,顏色深淺表示小波系數的大小,顏色亮的地方小波系數大,顏色淺的地方小波系數小。通過時頻圖可以直觀的看出莫爾斯電報頻域特征和結構特征。從圖中可看出,在1000Hz和2500Hz處,長方形亮條顏色明顯高于其他部分,這便是兩路莫爾斯電報信號所處在的頻率段。多路莫爾斯電報信號中往往含有多種頻率成分和噪聲,這對于人耳長時間監聽和抄報是一個挑戰,但是小波變換卻能將時域中混疊的多路帶噪信號篩選出來,并在頻域和時域中將兩種占優頻率清楚地區分開來,不僅能減少人耳的工作量,還能做到人耳做不到的對兩路信號甚至多路信號同時抄報的能力。

4) 分離譯碼

鎖定莫爾斯電報信號頻率之后,選擇不同頻率的莫爾斯電報信號進行分離譯碼,譯碼過程如下文所述。

4 多路莫爾斯電報的分離譯碼

由小波變換處理得到莫爾斯電報頻率之后,便可對多路莫爾斯電報進行分離和譯碼。分離的辦法是對于不同頻點的莫爾斯電報進行掃描,得到莫爾斯電報的點、劃、間隔信息。譯碼是把莫爾斯信號轉換成字符文本形式的過程。譯碼的算法主要采用統計和改進的崗瑟算法[10],具體分離譯碼的過程如下

1) 分別對鎖定的莫爾斯電報頻點掃描,存儲該頻點內的能量數據。

2) 區分有音段和空音段(即判定莫爾斯電報的點劃和間隔)。對頻點內的能量數據進行分段處理并求出每一段的能量均值,通過能量均值對莫爾斯電報信號進行間隔、點劃的判定,大于能量均值的判定為點劃,小于能量均值的判定為間隔,同時記錄每一個碼本的長度(即每一個點劃和間隔的長度)[11]。

圖7 報文A的碼本長度直方圖

3) 尋找點劃參考值。對記錄的碼本長度統計比較,找出最小的碼本長度,把它作為最小長度單位,其余碼本長度都歸一化為該最小單位的整數倍,并統計出現次數。統計結果(報文A)如圖7所示。

如圖7,長度為4的碼本出現了48次,所以可以把整個碼本數據中小于等于4的碼本判定為點和碼間隔,同時,按照莫爾斯報點、劃、碼間隔、字間隔、組間隔比例1∶3∶1∶3∶5的規定,可知,長度處于10和12之間的碼本判定為劃和字間隔,長度大于等于20的碼本判定為組間隔。由統計結果可以得出點、劃、字間隔、組間隔這五個莫爾斯電報元素的參考值。

4) 莫爾斯電報的翻譯。由五個元素的參考值,對每個碼本數據進行掃描,把碼本長度數據翻譯成點劃信息,對莫爾斯電報進行點劃翻譯。由于數據太長,文中截取前20個碼本數據以便能夠直觀顯示,前20個碼本數據如下

“10 -12 4 -3 3 -3 3 -4 3 -13 3 -3 3 -13 3 -3 4 -3 3 -22”

為了將點劃長度和間隔長度區分開,在記錄碼本長度的時候,用負數表示間隔長度。

根據參考值,小于等于4翻譯為點,10到14之間的翻譯為劃,負數翻譯為間隔,翻譯結果如下,

“- .... .. ...”

對照莫爾斯電報碼表將點劃信息進一步成文本信息,可知這段點劃信息譯碼的結果為“this”。

5) 對第二個頻點的莫爾斯電報進行掃描,重復上述的步驟。

根據得到的點劃信息,到字符庫中尋找對應的字符,得到本次譯碼結果。80ms、1kHz莫爾斯電報經過上述處理之后的譯碼結果為:“this is decode test A”;100ms、2.5kHz莫爾斯電報經過上述處理之后的譯碼結果為“happy new year”。

5 結語

本文將小波變換時頻分析技術引入到了莫爾斯電報自動識別領域,提出了一種多路莫爾斯電報自動識別方法,通過大量電子鍵產生的多路混疊帶噪的莫爾斯電報對該方法進行了實驗測試,實驗結果表明,該方法能夠自動鎖定莫爾斯電報頻率,從噪聲中篩選出電報信號,并能夠分開多路不同頻率的電報信號,實現抗多路信號干擾的能力。同時,通過莫爾斯電報信號的結構特點統計最小單位,設定動態的門限能量值,可以實現莫爾斯電報的自動譯碼功能。

[1] 高晉占.探空莫爾斯碼自動識別[J].電子測量與儀器學報,2006,20(4):32-36. GAO Jinzhan. Automatic Recognition of Sounding Mo rse Code[J]. Journal of Electronic Measurement and Instrument,2006,20(4):32-36.

[2] 李春曉,趙旦峰,李強.用語音識別技術實現莫爾斯報的自動識別[J].信息技術,2004,15(2):51-53. LI Chunxiao, ZHAO Danfeng, LI Qiang. Auto recognizing morse message using speech recognizing techonology[J]. Information Technology,2004,15(2):51-53.

[3] 李國軍,周曉娜,蔣勇,等.短波電報信號自動檢測技術研究綜述[J].世界科技研究與發展,2013,35(3):337-343. LI Guojun, ZHOU Xiaona, JIANG Yong, et al. Review on Automatic Detection Techniques of High-frequency CW Signal[J]. WORLD SC-TECH,2013,35(3):337-343.

[4] 馮象初,甘小冰.數學泛函與小波理論[M].西安:西安電子科技大學出版社,2003:81-84. FENG Xiangchu, GAN Xiaobing. Numerical functional theory and wavelet theory[M]. Xi’an: Xidian University Press,2003:81-84.

[5] 盧小泉,劉宏德.分析化學中的小波分析技術[M].北京:化學工業出版社,2005:10. LU Xiaoquan, LIU Hongde. Wavelet analysis techniques in Analytical Chemistry[M]. Beijing: Chemical Industry Press,2005:10.

[6] 劉軍.用空間分布信號的小波變換識別巖石材料的損傷[J].巖石力學與工程學報,2014,23(12):1961-1965. LIU Jun. Identification of damage of rock material by wavelet transform of spatial distribution signal[J].

[7] 李玫.基于小波包分析的輻射源特征提取和識別算法[J].電子元器件應用,2010(10):87-89. LI Wen. Radiation source characteristics based on wavelet packet analysis Extraction and recognition algorithm[J]. Electronic Component and Device Applications,2010(10):87-89.

[8] 李煒,黃倩.基于小波時頻分析的心音異常信號檢測[J].電子設計工程,2015,23(6):41-43. LI Wei, HUANG Qian. Abnormal heart sound signal detection based on the wavelet timef requency analysis[J]. Electronic Design Engineering,2015,23(6):41-43.

[9] 于宏毅,張貼.手工莫爾斯報的一種新型自動收報算法及其手法識別算法[J].電子對抗,1995,11(4):317-320. YU Hongyi, ZHANG Tie. A new automatic algorithm for the manual Morse newspaper and manual recognition algorithm[J]. Electronic Countermeasure,1995,11(4):317-320.

[10] 張汝波,何立剛,李雪耀.強噪聲背景下莫爾斯信號的自動檢測與識別[J].哈爾濱工程大學學報,2006,27(1):112-115. ZHANG Rubo, HE Ligang, LI Xueyao. Automatic detection and recognition of Morse signal in strong noise environment[J]. Journal of Harb in Engineering University,2006,27(1):112-115.

[11] 魏海艦,徐家品,周道軍,等.一種手工莫爾斯電報質量評估系統設計[J].微型計算機信息,2008,24(3):4-6. WEI Haijian, XU Jiapin, ZHOU Daojun, et al. he System Design of Manual Morse Code Program ConStrolled Revjsable Message Instrument Basing on PC and AT89S51 Single Chip Microcontroller[J]. Micro Computer Information,2008,24(3):4-6.

Multiplexed Morse Telegraph Automatic Decoding Based on Wavelet Transform

XIAO Shuang GAO Yong

(College of Electronics and Information Engineering, Sichuan University, Chengdu 610065)

In order to solve the weakness problem of human ears in multiplexed Morse telegraph’s interception and decoding, a method of automatic decoding and separation of multiplexed Morse telegraph based on wavelet transform has been proposed, including a brief analysis of its feasibility and advantages. The method uses the wavelet transform directly to lock the frequency of Morse telegraph and automatically completes the multiplexed Morse telegraph signal separation,and combined with the structural characteristics of Morse telegraph itself, it can realize the automatic decoding function of multiplexed Morse telegraph signal. The results of the experiment show that it is feasible to use the wavelet transform method to process the multiplexed Morse signal and has the practical value.

wavelet transform, multiplexed Morse telegraph, automatic decoding Class Number TN98

2016年10月17日,

2016年11月11日

肖雙,男,碩士研究生,研究方向:語音信號處理。高勇,男,博士,教授,研究方向:通信信號處理,信號分析。

TN98

10.3969/j.issn.1672-9722.2017.04.008