基于malab的雙音多頻信號檢測

基于malab的雙音多頻信號檢測

1信號分類及檢測雙音多頻信號（tdmf：daal-freceive）是世界上用于按按弦計算機的電信基準(zhǔn)。近年來，dtmf還適用于嵌入式控制中的語言輸入、語言電子郵件、電話銀行、主要演員信息的識別（傳入）。DTMF實際是由兩種音調(diào)的聲音組合而成:低頻和高頻。DTMF信號是由兩組頻率合成,低頻群:697、770、852、941(HZ);高頻群:1209、1336、1477、1633(Hz)。每一個DTMF信號由一個低頻和一個高頻組成。共產(chǎn)生16種信號。具體的頻率鍵值如表1所示。當(dāng)按下一個數(shù)據(jù)鍵,例如“3”時,則產(chǎn)生頻率為697Hz和1477Hz的兩個正弦波,并疊加。對DTMF信號所規(guī)定的指標(biāo)是:每個數(shù)字傳送過程中,信號必須存在至少45ms,且不得多于55ms,100ms里的其他時間都是靜聲。各種DTMF信號的應(yīng)用都離不開DTMF信號的檢測,這是DTMF信號應(yīng)用的關(guān)鍵。對它的檢測,主要通過數(shù)字信號處理的算法以及硬件實現(xiàn)。而在軟件實現(xiàn)時,一般論文只給出用雙正弦信號模擬電話按鍵的檢測,對于連續(xù)按鍵聲音的檢測很少給出檢測方案和結(jié)果。本文主要通過MATLAB的軟件編程來實現(xiàn)對DTMF信號的檢測。并給出了用平均短時能量和平均過零率對DTMF信號進(jìn)行端點檢測的比較。對DTMF信號的檢測主要包括兩個關(guān)鍵步驟:在輸入的數(shù)據(jù)信號流中連續(xù)地搜索各個輸入號碼DTMF信號的存在,搜索信號有效的行頻和列頻從而得到對應(yīng)的號碼數(shù)字。2從背景噪聲中區(qū)分語音信號語音信號的端點檢測是進(jìn)行其他語音信號處理(如語音識別,講話人識別等)重要且關(guān)鍵的第一步。對于輸入的一段語音信號,目前采用的端點檢測方法大多基于RabinerLR等人提出的算法。這種算法是用語音信號的短時平均過零率和短時平均能量值作為參數(shù),對一段語音信號的起點和終點進(jìn)行檢測,從而把語音信號從背景噪聲中區(qū)分出來。找到語音信號的起止點,從而減小語音信號處理過程中的計算量,是眾多語音信號處理領(lǐng)域中一個基本而且重要的問題。端點作為語音分割的重要特征,在很大程度上影響識別的性能。一般認(rèn)為,一種理想的端點檢測算法應(yīng)當(dāng)具有以下幾個特征:可靠性、魯棒性、精確性、自適應(yīng)性、簡單性、實時性和對噪聲特征無需先驗知識。設(shè)語音波形時域信號為x(l),設(shè)第n幀的短時能量用En表示,則En是一個度量語音信號幅度值變化的函數(shù)。短時過零率表示一幀語音中語音信號波形穿過橫軸(零電平)的次數(shù)。計算公式為:式中,sgn是符號函數(shù),即:因為在各個按鍵之間肯定有一定的靜音間隔,本文通過計算輸入按鍵信號的短時過零率,設(shè)定閾值,將各個按鍵信號分割開并依次保存下來。3dtmf信號分析通過短時能量可以將一連串的按鍵信號分割開并保存下來。接下來就要對每個信號對其進(jìn)行頻譜分析,然后對照表1所給出的各種頻率匹配即可。為了保證檢測的有效性,降低算法的復(fù)雜性,在對DTMF信號進(jìn)行頻譜分析時候一般采用Goertzel算法。Goertzel算法是計算離散傅里葉變換的方法,當(dāng)需要計算的頻率點數(shù)不超過2logN時,Goertzel算法將比FFT更為有效。通過FFT可以計算得到信號所有譜線,了解信號整個頻域信息,而對于DTMF信號只關(guān)系其8個行頻/列頻。此時Goertzel算法能更快速的在輸入信號中提取頻譜信息。Goertzel可以看作一個高Q的窄帶濾波器,濾波器的傳遞函數(shù)為:其中,Hk(Z)為濾波器函數(shù),f為信號頻率,fs為系統(tǒng)采樣頻率,N為樣本點數(shù)。頻率f的FFT值可以用下式計算:4帶通濾波器的信號分割算法(1)將事先錄制好的一段按鍵音頻通過MATLAB的waveread(file)函數(shù)導(dǎo)入到MATLAB的工作空間。(2)設(shè)計一個帶通濾波器,本文采用的是FIR濾波器,將高于1633Hz和低于679Hz的噪聲濾除。(3)在時域上,計算輸入信號的短時能量和短時過零率。并通過短時能量或過零率對信號進(jìn)行端點檢測,把每個按鍵對應(yīng)的信號依次分割并保存。(4)利用Geoertzel算法計算出分割后信號8個相應(yīng)的頻點的值,找到幅值最大的兩個點即為本信號對應(yīng)的高低頻的位置。(5)循環(huán)3-4步驟,直到所有的信號都分析完畢。5鍵之間有小噪聲如果一段音頻為連續(xù)輸入“1234567890”十個按鍵的聲音,則時域圖形如圖1所示,短時能量圖如圖2,而短時過零率如圖3。從圖1可以看出在按鍵1和2之間、9和0之間有很大的噪聲,在短時能量圖上可以看出影響很大,有的噪聲能量和信號能量一樣大小,以至于無法設(shè)置能量門限對其進(jìn)行分割,而這些噪聲在短時過零率圖上影響就較小,所以采用短時過零率來進(jìn)行端點檢測較好。在實驗中發(fā)現(xiàn),在背景噪聲較小時用平均能量識別較為有效,而在背景噪聲較大時用平均過零率識別較為有效。由于我們實驗所采用的音頻是通過計算機的耳機直接錄制而成,實驗條件簡陋,所以