数字信号处理技术综述Word文档格式.doc
《数字信号处理技术综述Word文档格式.doc》由会员分享,可在线阅读,更多相关《数字信号处理技术综述Word文档格式.doc(6页珍藏版)》请在冰豆网上搜索。
但是经典傅立叶变换工具的主要缺陷是不能把时间和频率信息结合起来给出频率是怎样随时间变化的。
对于非平稳信号,传统的傅立叶变换显然不行,因为它无法给出所需信号频率出现的时间区域,也就无法真正了解频率随时间的变化情况。
短时傅立叶变换是一种能对信号同时进行时间域和频率域分析的工具。
它的基本思想是:
通过对所感兴趣的时刻附近的一小部分信号进行傅立叶分析,以确定该时刻的信号频率。
因为时间间隔与整个信号相比是很短的(如语音信号),因此把这个处理过程叫做短时傅立叶变换。
为实现STFT,研究人员一开始使用的是窗口。
实际上,它只给了我们关于信号的部分信息,STFT分析的精度取决于窗的选取。
这正难点所在,比如:
时间间隔应取多大;
我们要确定什么样的窗口形状才能给中心点一个较大的权值,而给边缘点一个较小的权值;
不同的窗口会产生不同的短时分布。
还应该注意到的是:
信号的特性由于窗函数的特性有所扰乱,信号恢复原状需要适当的整理并对信号进行估计。
因此,STFT并不总能给我们一个清晰的表述。
这就需要更好的方法来表示事件和频率的关系。
因此,研究时间—频率分布的动机是为了改进STFT,其基本思想是获得一个时间和频率的联合函数,用于精确的描述时域和频域的信号能量。
经典傅立叶分析只能把信号分解成单个的频率分量,并且建立其每一个分量的相对强度,但能量频谱并没有告诉我们那些频率在什么时候出现。
时—频分布不但能告诉我们出现什么频率,而且还能告诉我们每一个频率出现在什么时候,使多个信号更容易得到区分和识别。
换句话说,功率谱密度告诉我们在整个信号期间所出现的频率,时—频分布能使我们判断某一特定时刻的频率。
物理学中的不确定性原理告诉我们:
不可能同时实现时域和频域的高分辨力,也就是满足所谓的“边缘能量”。
当某一分辨力实现时,必须要牺牲另一分辨力。
为了满足边缘条件,出现了一些其他的分布,如维格纳分布(WD)。
魏格纳分布(WD)是一种二次(非线性)分布,当对多个信号进行分析时,WD将产生一个干涉项,也叫相交项。
虽然魏格纳分布能提供改进的时域和频域分辨力,但相交项却是它的一个缺点。
魏格纳分布的一个派生分布叫做魏格纳—维勒分布(WVD),它利用独立的时域和频域窗口,引进一种平滑方法来减少相交项的影响。
小波变换(WT)是科学家、工程师、数学家共同创造的产物。
对于分析静态信号很有意义,因为它提供了STFT的另一种替代方法和许多二次时—频分布。
小波变换与STFT的主要差别是:
短时傅立叶变换使用的是一个固定的信号分析窗口,小波变换在高频段使用短窗口,在低频段使用长窗口。
通过在高频段和低频段分别提供较好的时间分辨力,来帮助分散不确定性原则的影响。
同许多二次函数不一样,WT是一个线性变换函数,因此,他不会产生额外的相交项。
STFT和WT的另外一个主要区别是,STFT把正弦和余弦分量作为有用信号的垂直分量来使用,而WT则使用专用的“小波”,它通常包括一个正交分量。
然而计算用小波集合表示信号仿真或相交的对象系数。
换句话说,一个信号的WT与它的分析结果相对应,它可以采用扩展(收缩)和变换(移动窗)方法而得到一系列函数表达式。
小波变换具有多尺度分析能力和良好的能量紧缩性。
先进的信号处理技术,将能更加有效的处理现代数字通信和雷达信号,这些技术能直接用于改善检测、分类和识别性能。
传统的短时傅立叶变换已经在许多领域中解决信号处理问题,其中包括电子对抗领域。
STFT的主要应用包括时变信号分析、系统识别和谱估计、信号检测和参数估计、讲话人识别、语音编码、群延迟或信号瞬时频率的估算以及复杂解调。
除了处理收到的信号外,这些STFT算法还可使用逆变换技术用来合成信号。
时频表示是一种分析和处理非稳定信号的有力工具,因为单独的时域和频域分析已经不能满足要求了。
模糊表面的二次时频表示法已经被广泛应用于雷达和通信领域。
时频分析在扩跳频通信领域已有成功的应用[5][6]。
小波理论的应用非常广泛,如:
通信、雷达、声纳、语音、图像等领域,并且应用的范围还在不断扩大。
小波理论还为各类信号处理的应用提供了一个统一的体制。
例如,当应用于图像处理时,小波变换具有极佳的检测和增强图像边界的性能。
小波分析法的最大潜在应用是信号压缩,从而能增大带宽系数。
在傅立叶变换技术不断发完善发展,不断被应用与生活生产的各方面的同时,数字滤波器技术也是日新月异,不断前进着。
数字化、智能化和网络化是当代信息技术发展的大趋势,而数字化是智能化和网络化的基础,实际生活中遇到的信号多种多样,例如广播信号、电视信号、雷达信号、通信信号、导航信号、射电天文信号、生物医学信号、控制信号、气象信号、地震勘探信号、机械振动信号、遥感遥测信号,等等。
上述这些信号大部分是模拟信号,也有小部分是数字信号。
模拟信号是自变量的连续函数,自变量可以是一维的,也可以是二维或多维的。
大多数情况下一维模拟信号的自变量是时间,经过时间上的离散化(采样)和幅度上的离散化(量化),这类模拟信号便成为一维数字信号。
因此,数字信号实际上是用数字序列表示的信号,语音信号经采样和量化后,得到的数字信号是一个一维离散时间序列;
而图像信号经采样和量化后,得到的数字信号是一个二维离散空间序列。
数字信号处理,就是用数值计算的方法对数字序列进行各种处理,把信号变换成符合需要的某种形式。
例如,对数字信号经行滤波以限制他的频带或滤除噪音和干扰,或将他们与其他信号进行分离;
对信号进行频谱分析或功率谱分析以了解信号的频谱组成,进而对信号进行识别;
对信号进行某种变换,使之更适合于传输,存储和应用;
对信号进行编码以达到数据压缩的目的,等等。
数字滤波技术是数字信号分析、处理技术的重要分支。
无论是信号的获取、传输,还是信号的处理和交换都离不开滤波技术,它对信号安全可靠和有效灵活地传输是至关重要的。
在所有的电子系统中,使用最多技术最复杂的要算数字滤波器了。
数字滤波器的优劣直接决定产品的优劣。
在信号处理过程中,所处理的信号往往混有噪音,从接收到的信号中消除或减弱噪音是信号传输和处理中十分重要的问题。
根据有用信号和噪音的不同特性,提取有用信号的过程称为滤波,实现滤波功能的系统称为滤波器。
在近代电信设备和各类控制系统中,数字滤波器应用极为广泛,这里只列举部分应用最成功的领域。
(1)语音处理
语音处理是最早应用数字滤波器的领域之一,也是最早推动数字信号处理理论发展的领域之一。
该领域主要包括5个方面的内容:
第一,语音信号分析。
即对语音信号的波形特征、统计特性、模型参数等进行分析计算;
第二,语音合成。
即利用专用数字硬件或在通用计算机上运行软件来产生语音;
第三,语音识别。
即用专用硬件或计算机识别人讲的话,或者识别说话的人;
第四,语音增强。
即从噪音或干扰中提取被掩盖的语音信号。
第五,语音编码。
主要用于语音数据压缩,目前已经建立了一系列语音编码的国际标准,大量用于通信和音频处理。
近年来,这5个方面都取得了不少研究成果,并且,在市场上已出现了一些相关的软件和硬件产品,例如,盲人阅读机、哑人语音合成器、口授打印机、语音应答机,各种会说话的仪器和玩具,以及通信和视听产品大量使用的音频压缩编码技术。
(2)图像处理
数字滤波技术以成功地应用于静止图像和活动图像的恢复和增强、数据压缩、去噪音和干扰、图像识别以及层析X射线摄影,还成功地应用于雷达、声纳、超声波和红外信号的可见图像成像。
(3)通信
在现代通信技术领域内,几乎没有一个分支不受到数字滤波技术的影响。
信源编码、信道编码、调制、多路复用、数据压缩以及自适应信道均衡等,都广泛地采用数字滤波器,特别是在数字通信、网络通信、图像通信、多媒体通信等应用中,离开了数字滤波器,几乎是寸步难行。
其中,被认为是通信技术未来发展方向的软件无线电技术,更是以数字滤波技术为基础。
(4)电视
数字电视取代模拟电视已是必然趋势。
高清晰度电视的普及指日可待,与之配套的视频光盘技术已形成具有巨大市场的产业;
可视电话和会议电视产品不断更新换代。
视频压缩和音频压缩技术所取得的成就和标准化工作,促成了电视领域产业的蓬勃发展,而数字滤波器及其相关技术是视频压缩和音频压缩技术的重要基础。
(5)雷达
雷达信号占有的频带非常宽,数据传输速率也非常高,因而压缩数据量和降低数据传输速率是雷达信号数字处理面临的首要问题。
告诉数字器件的出现促进了雷达信号处理技术的进步。
在现代雷达系统中,数字信号处理部分是不可缺少的,因为从信号的产生、滤波、加工到目标参数的估计和目标成像显示都离不开数字滤波技术。
雷达信号的数字滤波器是当今十分活跃的研究领域之一。
(6)声纳
声纳信号处理分为两大类,即有源声纳信号处理和无源声纳信号处理,有源声纳系统涉及的许多理论和技术与雷达系统相同。
例如,他们都要产生和发射脉冲式探测信号,他们的信号处理任务都主要是对微弱的目标回波进行检测和分析,从而达到对目标进行探测、定位、跟踪、导航、成像显示等目的,他们要应用到的主要信号处理技术包括滤波、门限比较、谱估计等。
(7)生物医学信号处理
数字滤波器在医学中的应用日益广泛,如对脑电图和心电图的分析、层析X射线摄影的计算机辅助分析、胎儿心音的自适应检测等。
(8)音乐
数字滤波器为音乐领域开辟了一个新局面,在对音乐信号进行编辑、合成、以及在音乐中加入交混回响、合声等特殊效果特殊方面,数字滤波技术都显示出了强大的威力。
数字滤波器还可用于作曲、录音和播放,或对旧录音带的音质进行恢复等。
(9)其他领域
数字滤波器的应用领域如此广泛,以至于想完全列举他们是根本不可能的,除了以上几个领域外,还有很多其他的应用领域。
例如,在军事上被大量应用于导航、制导、电子对抗、战场侦察;
在电力系统中被应用于能源分布规划和自动检测;
在环境保护中被应用于对空气污染和噪声干扰的自动监测,在经济领域中被应用于股票市场预测和经济效益分析,等等。
数字滤波器根据其冲激响应函数的时域特性,可分为两种,即无限长冲激响应(IIR)滤波器和有限长冲激响应(FIR)滤波器。
IIR滤波器的特征是,具有无限持续时间冲激响应。
这种滤波器一般需要用递归模型来实现,因而有时也称之为递归滤波器。
FIR滤波器的冲激响应只能延续一定时间,在工程实际中可以采用递归的方式实现,也可以采用非递归的方式实现。
数字滤波器的设计方法有多种,如双线性变换法、窗函数设计法、插值逼近法和Chebyshev逼近法等等。
随着MATLAB软件尤其是MATLAB的信号处理工作箱的不断完善,不仅数字滤波器的计算机辅助设计有了可能,而且还可以使设计达到最优化。
IIR和FIR数字滤波器,选择哪一种滤波器取决于每种类型滤波器的优点在设计中的重要性。
现将两种滤波器特点比较分析如下:
(1)选择数字滤波器是必须考虑经济问题,通常将硬件的复杂性、芯片的面积或计算速度等作为衡量经济问题的因素。
在相同的技术指标要求下,由于IIR数字滤波器存在输出对输