基于子帶能量分析的數字接收機數據語音段識別方法研究

黃均安 詹毅

摘 要：在無線電偵聽領域，偵聽數據中常常含有純噪音、誤判為語音的定頻數字調制信號等非語音信號段，造成偵聽人員工作效率下降。針對該問題，提出一種基于子帶能量分析的語音段識別算法。考慮到偵聽數據在時域上存在幅度跳變現象，首先利用直方圖分析對偵聽數據進行分段，得到若干個子數據段，然后對每個子數據段進行子帶能量分析，最后提取特征參數實現對語音段的識別。仿真結果表明，該方法能夠準確地對偵聽數據進行分段，并識別出其中的語音段。

關鍵詞：純噪音;定頻數字調制信號;子帶能量;語音段識別;無線電偵聽

DOI：10. 11907/rjdk. 181707

中圖分類號：TP319文獻標識碼：A文章編號：1672-7800（2019）001-0162-04

Abstract： The intercepted data contains pure noise， frequency-fixed with erroneous judgement of speech as well as others non-speech signal sections in the field of radio interception. Hence， it causes a decline in staff's efficiency. Aiming at this problem， a speech recognition algorithm based on the sub-band energy analysis is proposed. In view of the fact that a phenomenon of intercepted data that exists range hop on the time domain. Firstly， the histogram analysis is made to get sub-data segments. Secondly， each sub-data segment is analyzed by means of sub-band energy analysis. Finally， to pick up the characteristic parameter is to achieve recognition of speech signal segments. As the simulation result shows that the method can not only section interception data with much accuracy， but also recognize speech segments.

0 引言

信息在當今社會中扮演著重要角色，電磁頻譜作為信息的載體，對電磁頻譜的監測與偵聽是軍事及民用領域獲取信息的一種重要手段。民用領域對電磁波的監測與偵聽有利于開展安防工作，軍事領域對電磁波的監測與偵聽是收集情報的一種重要手段，可為有關部門提供決策參考。偵聽接收機在電磁頻譜的監測與偵聽中起著關鍵作用。電磁頻譜的監測與偵聽對象具有頻段寬、信號種類多、通信環境復雜、先驗知識少等特點[1]。基于傳統結構的偵聽接收機體積龐大、處理能力有限、可重構能力差，無法滿足當前偵聽工作的需求。軟件無線電[2-3]技術具有多種類、可同時獲取多頻段數據等特點，符合偵聽接收機的技術要求。軟件無線電的基本思想是以一個通用、標準、模塊化的硬件平臺為依托，通過軟件編程實現無線電臺的各種功能[3]。因此，目前國內多采用此類偵聽接收機對電磁頻譜進行監測與偵聽。由偵聽接收機采集的數據經過人工復聽便可完成信息收集工作。由于偵聽接收機的特點，通過軟件無線電偵察接收機采集的偵聽數據中通常存在純噪音[4]，以及誤判為語音的定頻數字調制信號等大量非語音信號，嚴重影響了偵聽人員工作效率。

因此，為了提高人員工作效率，需剔除偵聽數據中所有的純噪音段與定頻數字調制信號段。單獨使用任何一種調制識別方法都無法很好地識別所有調制方式，因此采用多級調制識別系統[5-7]是十分必要的。在多級調制識別中，第一級識別只需對調制信號進行粗略劃分，第二級識別再對調制信號進行詳細劃分。對于第一級調制方式識別，一般是將信號分為模擬調制信號與數字調制信號。目前針對模擬與數字調制方式的識別，多采用碼元速率估計方法[8-10]。其基本理論依據是：模擬調制信號沒有碼元速率，其估計結果為任意無規律值，而數字調制信號有碼元速率，其估計結果為一定值。參考文獻[8]提出基于包絡平方譜的模擬與數字調制方式自動識別算法，該算法計算簡單，對數字調制信號的滾降系數不敏感;參考文獻[11]通過對零中頻信號進行非線性處理，得到含有符號速率的離散譜線，再利用四階累積量方法在抑制高斯背景噪聲的同時，提取符號速率的基頻分量。該算法運算簡單，適應性強;參考文獻[12]提出采用非線性變換與小波變換相結合的方法估計碼元速率，無需設置判決門限即可實現模擬與數字調制方式的分類，但上述算法識別對象均為相位信息完整的信號。目前針對純噪音的研究相對較少，針對信號與AWGN（Additive White Gaussian Noise）區分的研究較多，其基本理論依據是：AWGN頻譜包絡是平坦的，但信號譜表現不同，有明顯的共振峰[13]。參考文獻[13]提出AWGN因子用于信號與AWGN的區分，但該算法對于非AWGN的純噪音并不適用。本文針對上述問題，提出一種基于子帶能量分析的語音段識別方法。仿真結果表明，該算法能夠在識別對象相位信息不完整的情況下，實現語音段與純噪音段、定頻數字調制信號段的分離。

1 算法描述

1.1 整體算法描述

算法框圖如圖1所示，包括數據分段、子帶能量分析，以及語音段、純噪音段與定頻數字調制信號段識別3個階段。通過直方圖分析算法對輸入的采集數據進行幅度分段，得到若干不同幅度等級的子數據段，對每個子數據段進行子帶能量分析并計算特征參數，并將特征參數與統計觀察得到的閾值進行比較，從而實現語音段、純噪音段及定頻數字調制信號段的分離。

1.2 數據分段

偵聽數據中存在幅度跳變現象，根據帕斯瓦爾定理[14]，幅值大小會影響子帶能量分布。為了降低幅值對子帶能量分布的影響，首先對偵聽數據按照幅度等級進行分段，得到子數據段。直方圖是展示連續分布最常用的工具，其本質上是對密度函數的一種估計[15]。通過對語音信號統計特性的研究表明，對于語音信號振幅分布概率密度有兩種逼近方法，一種是修正伽瑪分布概率密度函數，另一種是拉普拉斯分布概率密度函數[16]。根據長期統計來看，用拉普拉斯分布描述語音信號統計特性的精確性低于采用伽瑪分布進行描述，但其函數式更加簡單，也可采用高斯分布（Gaussian）進行近似描述[16]。以上3種概率密度函數均為單峰分布，而存在幅度跳變的偵聽數據振幅直方圖呈多峰分布，且幅度跳變處出現在振幅直方圖的谷點處。因此，需選擇合適的統計量對偵聽數據進行直方圖統計，若呈單峰分布，則該偵聽數據中不存在幅度跳變;若呈多峰分布，則該偵聽數據中存在幅度跳變，然后提取直方圖分布中的極小值點作為分段閾值實現幅度分段。本文選擇局部幅度絕對值作為統計量進行直方圖統計，局部幅度絕對值的最大值為最大次序統計量[17]，可以對語音信號幅度分布進行有效簡化，并突出幅度跳變特性，具體表示為：

對局部極小值點進行模糊處理，可得到作為幅度分段閾值的局部極小值點。局部極小值僅表明幅度跳變可能分布在其中，由于實際信號局部極小值情況的復雜性，僅以局部極小值為門限作為檢測幅度跳變與幅度分段的依據，常常會出現兩類錯誤：一類是錯誤檢測幅度跳變，即實際沒有幅度跳變，但誤判為存在幅度跳變。研究發現，對于實際的正常語音信號，盡管沒有幅度跳變，但直方圖中仍然存在局部極小值，比例不小于某一門限，所以可以設置一個合理門限，以避免此類錯誤;另一類是存在幅度跳變，但選取幅度跳變的門限不準確，也即是說，以直方圖分布的局部極小值作為門限，會造成幅度跳變檢測結果不準確。研究發現，在此類情況下局部極小值的附近值都很接近，以局部極小值對應的幅值作為門限并不能真實反映實際情況，通過對局部極小值附近直方圖作進一步估計，可以有效改善上述問題。

1.3 子帶能量分析

由于語音信號段、純噪音段以及定頻數字調制信號段相互之間存在幅度差異，因此分段得到的每個子數據段的屬性具有唯一性，可以通過子帶能量分析對每個子數據段屬性進行判斷。純噪音段與定頻數字調制信號段的頻譜能量在一段時間內是平坦的，而語音信號段含有共振峰頻率，其頻譜能量在一段時間內是非平坦的，起伏較大，所以將子數據段分幀后，求取該子數據段中每幀數據的能量。選擇的濾波器組為Mel-scale濾波器組，Mel倒譜系數由于很好地描述了人耳的聽覺感知特性，因而取得了較其它特征參數更好的識別效果，是目前最常用的特征參數[18]，可以表示為：

1.4 算法實現

（1）對子數段進行分幀處理。設一個子數據段為[s（n）]，分幀后得到幀信號段[si（n）]，語音信號為時變信號，頻譜隨時間不斷變化，但在短時間內（1幀，時間長度為20～40ms）可以認為頻譜是不變的，故幀長選擇20～40ms，幀移為幀長的0～1/2。本文偵聽數據的采樣率為64kHz，幀長選擇32ms（0.032*64 000=2 048樣本點），幀移為16ms（1 024樣本點）。

（2）計算每幀信號的能量并歸一化。計算每幀信號的離散傅立葉變換（DFT），可以表示為：

1.5 特征參數提取

得到子數據段每幀信號的子帶能量后，可以通過提取特征參數，實現語音段、純噪音段及定頻數字調制信號段的分離。語音信號含有共振峰頻率，相鄰幀同一子帶間的能量變化較大，而純噪音與定頻數字調制信號相鄰幀同一子帶間的能量變化很小。特征參數R定義為5個子帶能量方差的極差，如式（7）所示。

2 算法仿真與分析

為了驗證算法性能，本文利用MATLAB進行仿真，仿真數據來源于某單位的偵聽數據。圖2、圖3分別展示了存在幅度跳變現象與無幅度跳變現象數據的時域圖及統計量的[yabsmax（n0）]直方圖。其中，若偵聽數據中存在幅度跳變現象，則在時域圖中用黑色方框標識出幅度跳變段。由圖2可以看出，偵聽數據時域圖中存在明顯的幅度跳變現象，其統計量[yabsmax（n0）]的直方圖分布整體呈多峰形狀，且分布中存在明顯的局部極小值點。因此，局部極小值點即為幅度分段的閾值。故在極小值處即為幅度跳變點的情況下，本文提出的基于直方圖分析的數據分段算法可以準確標記出偵聽數據中的幅度跳變段。由圖3可以看出，偵聽數據的時域圖中不存在幅度跳變現象，其統計量[yabsmax（n0）]的直方圖分布整體呈單峰形狀，但存在局部極小值點，若直接將局部極小值作為分段閾值進行處理，則會造成錯誤分段。本文通過1.2節提出的方法對局部極小值進行模糊處理，有效解決了該問題。

圖4、圖5分別是語音信號與純噪音的時域圖及對應的子帶能量分布圖。在子帶能量分布圖中，橫軸為偵聽數據分幀后幀信號的編號，縱軸為每幀信號5個梅爾刻度的子帶能量，顏色明暗代表子帶能量大小，顏色越亮代表子帶能量越大。圖4為語音信號時域圖及對應的子帶能量分布圖，可以看出，由于語音信號中共振峰的存在，不同幀同一子帶的能量變化很大，圖中顯示每行的顏色變化無固定規律，顏色明暗隨機分布;圖5為一段純噪音的時域圖及對應的子帶能量分布圖，可以看出，由于純噪音與定頻數字調制信號頻譜包絡是平坦的，故子帶能量分布圖中每行的顏色變化存在一定規律，顏色明暗要么基本保持不變，要么逐漸變亮或變暗。圖5屬于每一行顏色逐漸變亮的類型，這是由于時域中數據振幅與時間呈正比關系，根據帕斯瓦爾定理，則頻域中數據功率與頻率也呈正比關系。高斯白噪聲則屬于每一行顏色基本保持不變的類型。

圖6展示了59個語音段、69個純噪音段或定頻數字調制信號段特征參數R的分布情況。其中顏色較淺的點代表語音信號段，顏色較深的點代表純噪音段及定頻數字調制信號段。可以看出，語音信號特征參數R的數值與純噪音及定頻數字調制信號特征參數R的數值在分布上存在明顯的聚類現象。通過觀察特征參數R的分布尋找合適的閾值，可以實現語音信號段、純噪音段及定頻數字調制信號段的分離。本文設置閾值為4.5（圖6中黑色直線所示）。

3 結語

本文在相位信息未知的情況下，提出一種基于子帶能量分析的語音段識別方法。該方法首先利用直方圖分析對存在幅度跳變的偵聽數據進行幅度分段，得到子數據段，然后對每個子數據段進行子帶能量分析，最后提取子帶能量特征參數實現對語音段的識別。該方法可以擴展到對任意幾個頻譜分布存在差異信號的分離。仿真結果表明，本文算法簡單、可靠，可以有效去除偵聽數據中的非語音信號段，大大提高了偵聽人員的工作效率。

參考文獻：

[1] 許軍， 汪芙平， 王贊基. 基于軟件無線電的數字偵聽接收機研究[J]. 電子技術應用， 2007（8）： 110-112.

[2] 楊小牛，樓才義， 徐建良. 軟件無線電原理與應用[M]. 北京： 電子工業出版社，2002.

[3] 吳丹，顧學邁，吳芝路. 基于軟件無線電的數字化接收機的研究[J]. 電子技術應用， 2005（9）： 50-52.

[4] 彭設強， 潘浩，周瑞. 偵聽系統中純噪音辨析模塊的設計與實現[J]. 軟件導刊，2009，8（11）： 96-97.

[5] 戴威，王有政，王京. 基于AR模型的調制盲識別方法[J]. 電子學報，2001（S1）：1890-1892.

[6] NANDI A K， AZZOUZ E E. Algorithms for automatic recognition of communication signals[J]. Biulleten Eksperimentalno？ Biologii I Meditsiny， 1998， 37（7）： 23-35.

[7] HSUE S Z， SOLIMAN S S. Automatic modulation classification using zero crossing[J]. Radar & Signal Processing IEEE Proceedings， 1990， 137（6）： 459-464.

[8] 包錫銳， 吳瑛. 基于譜特征的模擬與數字調制方式識別方法[J]. 計算機工程與設計， 2008（14）： 3569-3571，3576.

[9] TAIRA S， MURAKAMI E. Automatic classification of analogue modulation signals by statistical parameters[J]. IEEE Signal Processing Magazine，1999（1）： 202-207.

[10] 姚亞峰，陳建文，黃載祿. 模擬與數字調制方式的非線性變換識別方法[J]. 電訊技術，2005（1）： 23-26.

[11] 張海瑛，袁超偉. 采用非線性變換的MPSK/MQAM符號速率盲估計[J]. 電子科技大學學報， 2010， 39（6）： 820-825.

[12] 王蘭勛，張瑞華. 模擬與數字調制信號的識別方法[J]. 通信技術，2008（3）： 46-48.

[13] 楊志俊， 范海波， 曹志剛. 基于譜分析的通信信號調制方式自動識別[J]. 無線通信技術， 2003（2）： 30-33.

[14] 趙道利， 梁武科， 羅興锜， 等. 水電機組振動信號的子帶能量特征提取方法研究[J]. 水力發電學報， 2004（6）： 116-119，115.

[15] 謝益輝. 現代統計圖形[EB/OL]. https：//yihui.name/cn/publication/.

[16] 趙力. 語音信號處理[M].第3版.北京： 機械工業出版社， 2016.

[17] 茆詩松. 高等數理統計[M]. 北京： 北京大學出版社， 2007.

[18] 項要杰， 楊俊安， 李晉徽， 等. 一種適用于說話人識別的改進Mel濾波器[J]. 計算機工程， 2013， 39（11）： 214-217，222.

[19] 梁紅波， 司景萍， 高志鷹， 等. 基于子帶能量法的發動機振動信號分析研究[J]. 噪聲與振動控制， 2010， 30（1）： 72-77.

[20] 田野， 王作英， 陸大. 基于子帶能量線性映射的噪聲中端點檢測算法[J]. 清華大學學報：自然科學版， 2002（7）： 953-956.

（責任編輯：黃 健）