автореферат диссертации по радиотехнике и связи, 05.12.13, диссертация на тему:Модели и методы обработки аудиосигналов телекоммуникационных систем в сложной помеховой обстановке

На правах рукописи

Кропотов Юрий Анатольевич

МОДЕЛИ И МЕТОДЫ ОБРАБОТКИ АУДИОСИГНАЛОВ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ В СЛОЖНОЙ ПОМЕХОВОЙ ОБСТАНОВКЕ

Специальность 05.12.13 «Системы, сети и устройства телекоммуникаций»

I.

Автореферат

диссертации на соискание ученой степени доктора технических наук

005547174

Муром 2013

005547174

Работа выполнена на кафедре электроники и вычислительной техники Муромского института (филиала) ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых»

Научный консультант:

Официальные оппоненты:

доктор технических наук профессор Парамонов Алексей Анатольевич

доктор технических наук профессор Куликов Геннадий Валентинович

доктор технических наук профессор Цимбал Владимир Анатольевич

Ведущее предприятие:

доктор технических наук профессор Галкин Александр Павлович

Военная академия войсковой ПВО ВС РФ имени Маршала Советского Союза A.M. Василевского

Защита состоится 25 октября 2013 г. в 15 часов на заседании диссертационного совета Д212.131.01 при ФГБОУ ВПО «Московский государственный технический университет радиотехники, электроники и автоматики» (МГТУ МИРЭА) по адресу: 119454, г. Москва, проспект Вернадского, 78.

С диссертацией можно ознакомиться в библиотеке МГТУ МИРЭА.

Автореферат разослан « »_2013 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просьба отправлять по адресу: 119454, г. Москва, проспект Вернадского, 78, ученому секретарю диссертационного совета.

Ученый секретарь диссертационного совета кандидат технических наук, доцент

А.И.Стариковский

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы диссертации. Современный этап развития диспетчерс-ко-технологических оперативно-командных систем телекоммуникаций характеризуется существенной интеграцией и повышением их функциональной насыщенности, характеризуется переходом на новые информационные технологии. Современные дис-петчерско-технологические системы телекоммуникаций, в том числе оперативно-командные системы громкоговорящей связи (TTC) получили все более широкое применение на многофункциональных объектах, в системах массового обслуживания. Современные системы телекоммуникаций имеют сетевую распределенную структуру в виде многоканальной системы передачи цифровой информации с увеличенной пропускной способностью сетей с применением высокоскоростных технологий Ethernet или ISDN вследствие требований на значительное число абонентских постов обмена.

Передача информации на стационарных и подвижных многофункциональных объектах может осуществляться множеством способов, но при этом передача аналоговой аудиоинформации, то есть передача речевых сообщений, остается важным средством обеспечения оперативного управления, обеспечения надежного функционирования сложных объектов. Во многих случаях, особенно в чрезвычайных ситуациях, передаваемая аудиоинформация имеет вид короток управляющих сообщений, что предъявляет повышенные требования к характеристикам систем, таким как разборчивость и корректность понимания смысла сообщения, от которых зависит управляемость объекта в целом. Поэтому оперативно-командные системы аудиообмена должны быть эффективными, должны обеспечивать достоверное и оперативное доведение командной информации, передаваемые речевые сообщения должны полностью восприниматься абонентом.

В настоящее время такие системы представляют собой объект активных теоретических исследований. Исследователи, используя новый технологический уровень, обратились к созданию моделей алгоритмов высоких порядков, которые в условиях развития микроэлектроники стали практически реализуемыми.

Исследованиям вопросов повышения эффективности передачи информации речевыми сигналами в системах телекоммуникаций посвящено достаточно большое число работ отечественных и зарубежных авторов. Потребность в таких исследованиях и разработке новых концепций и новых алгоритмов обработки сигналов объясняется наличием факторов, понижающих эффективность функционирования систем телекоммуникаций аудиообмена К таким факторам относятся внешние акустические помехи, акустические шумы, акустические сосредоточенные помехи, внешние акустические эхо-сигналы, которые характеризуются значительной интенсивностью.

Вопросам разработки теоретических основ создания систем телекоммуникаций передачи речевой информации посвящено достаточно много трудов известных авторов:

- в области исследования речевых сигналов — Сапожков М.А., Фланаган Дж. Л., Вемян Г.В., Покровский П.Б., Михайлов В.Г. и др;

- в области адаптивной фильтрации, компенсации и адаптивного управления — Цыпкин Я.З., Граничин О.Н., Фрадков A.JL, Уидроу Б и др.;

- в области спектрального анализа, цифровой обработки сигналов и временных рядов — Оппенгейм А., Хеннан Э. , Величкин А.И., Гоулд Б. , Рабинер Л.Р., Шафер Р.Ф., Назаров М.В., Прохоров Ю.Н. и др.;

- в области построения систем телекоммуникаций обмена аудиоинформацией, систем цифровой речевой связи, реализации систем оперативно-командной связи -Ланнэ А.А., Бабкин В.В., Директоров Н.Ф., Катанович А.А., Нероба Г.С. и др.

Решение многих из приведенных вопросов основано на методах оптимизации, рассмотренных в работах Поляка Б.Т., Нестерова Ю.Е., Вандерберга Л. и др. С их помощью решаются задачи параметрического анализа, синтеза и интеграции систем. Развитая в работах Катковника В Л. теория позволяет решать задачи локальной аппроксимации и сглаживания сигналов. Предложенные ими методы делают возможным получение решений при самых общих функциональных ограничениях, налагаемых на сигналы и помехи.

Вместе с тем, известные алгоритмы обработки речевых сигналов на фоне комплекса интенсивных акустических помех не обеспечивают необходимую степень подавления помех. Поэтому вопросы повышения качества систем телекоммуникационного обмена аудиоинформацией, вопросы эффективного подавления внешних акустических помех в системах аудиообмена требуют дальнейших исследований, разработки новых методов и алгоритмов, требуют решения задач создания более точных моделей речевых сигналов, новых методов оценивания параметров помех, новых моделей алгоритмов адаптивного подавления и компенсации, новых алгоритмов обработки и фильтрации.

Объект исследования — системы телекоммуникаций обмена речевыми сообщениями, в том числе системы громкоговорящей связи, обеспечивающие обмен аудиоинформацией в сложной помеховой обстановке.

Предмет исследования — модели сигналов, методы, алгоритмы обработки, повышающие эффективность передачи информации речевыми сообщениями в телекоммуникационных системах аудиообмена.

Цель диссертационной работы — разработка моделей и методов обработки аудиосигналов с целью создания алгоритмов подавления внешних акустических помех и компенсации эхо-сигналов, повышающих эффективность телекоммуникационных систем аудиообмена в сложной помеховой обстановке.

Для достижения сформулированной цели были поставлены и решены следующие задачи:

1. Анализ факторов, влияющих на эффективность обмена аудиоинформацией в системах телекоммуникаций.

2. Анализ требований к оцениванию эффективности систем обмена речевыми сообщениями, систем обмена аудиоинформацией. Разработка рекомендаций по применению методов, критериев, параметров, оценивающих эффективность функционирования систем передачи аудиоинформации.

3. Разработка и исследование моделей наиболее характерных внешних помех: акустических шумов, акустических эхо-сигналов, акустических сосредоточенных помех.

4. Разработка и исследование новых моделей речевых сигналов с применением методов оптимизации, локальной аппроксимации, теории случайных процессов.

5. Разработка алгоритмов обработки сигналов с эффективным понижением влияния внешних акустических шумовых и других видов помех на аудиообмен информацией в системах телекоммуникаций.

6. Исследование вопросов оценивания долговременных параметров модели внешних помех - эхо-сигналов и разработка на основе этой модели алгоритмов эхо-компенсации с более высокими результатами компенсации по сравнению с известными алгоритмами.

Методы исследования базируются на обобщенных методах параметрической оптимизации, локальной аппроксимации, идентификации и адаптивной компенсации помех; математическом аппарате спектрального анализа и цифровой обработки сигналов, теории случайных процессов, интерполяционной и экстраполяционной аппроксимации, на аппарате статистического анализа временных рядов и теории матриц.

Научная новизна и теорепшческая значимость полученных результатов заключается в том, что:

1. Установлено, что плотность вероятности речевых сигналов в системах телекоммуникаций аудиообмена наиболее адекватно описывается впервые введенной функцией в виде многочлена третьего порядка по системе экспоненциальных функций, полученной путем решения задачи оптимизации с ограничениями, в рамках которой обеспечивается аппроксимация с более низкой погрешностью по сравнению с известными моделями.

2. Установлено, что плотность вероятности внешних акустических шумов наиболее адекватно описывается впервые введенной функцией в виде многочлена третьего порядка по системе функций гауссовых кривых, основанной на методе локальной аппроксимации, обеспечивающей погрешность аппроксимации менее 4,8 %.

3. Предложен и исследован метод моделирования канала фильтром с АЧХ прямоугольной формы с управляемой частотой низкочастотного среза, позволяющий оценивание эффективности подавления различных внешних акустических шумовых помех алгоритмами линейной фильтрации.

4. Предложен и исследован подход к созданию многоканального алгоритма подавления внешних акустических шумовых помех с применением метода линейной фильтрации, основанный на адаптивном управлении областями режекции и использующий результаты сравнительного анализа вероятностных и спектральных характеристик сигналов.

5. Впервые предложен метод определения полосы пропускания узкополосного фильтра в гребенке фильтров с формантным распределением полос пропускания в многоканальном алгоритме подавления внешних акустических шумовых и других видов помех, основанный на функциональной зависимости значения полосы пропускания канала от совместной вероятности спектральных составляющих речевого сигнала и составляющих помех в соответствующей формантной области.

6. Предложена и исследована новая модель эхо-сигналов, полученная на основе корреляционного оценивания долговременных параметров эха, обеспечивающая возможность выделения значимых каналов, реализующая алгоритм многоканальной компенсации эхо-сигналов с минимизированным числом каналов компенсации, позволившая применить в каналах компенсации адаптивные фильтры с уменьшенным порядком, повысить скорость их настройки и результаты компенсации.

7. Разработан и исследован новый способ многоканального адаптивного подавления акустических шумов и сосредоточенных помех методом кратковременного ДПФ. По алгоритму, реализующему этот способ обработки сигналов, после оценивания компонент шума или помех в преобразованной области последние адаптивно исключаются. После подавления помех сигналы восстанавливаются с помощью ОДПФ.

Практическая значимость результатов диссертационных исследований

1. Предложен алгоритм гистограммного оценивания функции распределения плотности вероятности оцифрованных речевых сигналов. Представлена табличная функция зависимости погрешности гистограммного оценивания оцифрованных речевых сигналов в зависимости от времени анализа, с помощью которой по заданной погрешности гистограммы оценивания определяется длительность кадра в алгоритмах обработки.

2. Разработан метод оценивания слоговой разборчивости в системах ау-диообмена по отношению сигнал/помеха. Для практического оценивания слоговой разборчивости предложена сетчатая функция зависимости величины последней от отношения сигнал/помеха.

3. Разработан многоканальный алгоритм подавления внешних акустических шумов и сосредоточенных помех с формантным распределением полос прозрачности узкополосных фильтров в гребенке фильтров образующих общую АЧХ и с адаптивным управлением областями режекции, применение которого позволило получить подавление внешних акустических шумовых помех до (11-^-22) дБ, что на 5-10,5 дБ больше по сравнению с известными алгоритмами подавления акустических помех.

4. Разработан алгоритм многоканальной компенсации эхо-сигналов с числом каналов компенсации, равным числу выделенных каналов эхо-сигналов со значимыми долговременными задержками, что позволило повысить точность оценки величины задержки, уменьшить время настройки с 0,73 сек. до 0,21 сек., получить более высокое быстродействие компенсации и обеспечить степень подавления эхо-сигналов на (1-4) дБ больше, по сравнению с уровнем подавления известными аналогами эхокомпенсаторов.

5. Предложен алгоритм, реализующий новый способ многоканальной адаптивной обработки речевых сигналов и подавления помех методом кратковременного ДПФ. По данному алгоритму вычисляются составляющие в кадре из N отсчетов; после оценивания компонент шума впреобразованной области, последние адаптивно исключаются и очищенные от помех сигналы восстанавливаются ОДПФ. Степень подавления внешних акустических шумовых и сосредоточенных помех может достигать 15 дБ.

Результаты диссертационной работы внедрены:

в устройствах диспетчерско-технологической связи, разработанных ОАО «Муромский радиозавод» в рамках ОКР «Разработка комплектов приборов громкоговорящей связи для интегрированных мостиковых систем («ПУ-М»);

- при создании изделия ИВА-ЦС в рамках ОКР «Разработка комплекса цифровой оперативно-командной связи»;

- при выполнении ОКР «Модернизация комплекса оперативно-командной корабельной громкоговорящей и телефонной связи «КТС-01 ЦС»;

- при выполнении ОКР на тему «Разработка комплектов комплекса внутрикора-бельной связи»;

- в изделиях, разработанных в ОАО НПП «Звукотехника» НИОКР: «Верба», «Чертков», «Чертков 9», «Брусчатник» и других;

- в учебном процессе по специальностям «Вычислительные машины, комплексы, системы и сети», «Программное обеспечение вычислительной техники и автоматй-зированных систем», в учебном процессе подготовки бакалавров по направлению «Информатика и вычислительная техника» в Муромском институте (филиале) ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых».

Основные положения, выносимые на защиту:

1. Использование метода восстановления распределения плотности вероятности сигналов по критериям минимальной вычислительной сложности и максимально допустимой погрешности с применением метода локальной аппроксимации:

- позволило получить новую аппроксимацию плотности вероятности речевых сигналов в виде многочлена третьего порядка по системе экспоненциальных функций с погрешностью менее 5 %;

- позволило впервые получить аппроксимацию плотности вероятности сигналов внешних акустических шумовых помех в виде многочлена третьего порядка по системе гауссовых кривых с погрешностью менее 4,8 %.

2. Метод моделирования канала системы телекоммуникаций фильтром с АЧХ прямоугольной формы с управляемой частотой низкочастотного среза, позволяет исследовать эффективность линейной фильтрации в задачах подавления различных внешних акустических шумовых помех. Исследования, выполненные предложенным методом, показали, что линейной фильтрацией можно достичь подавление вышеуказанных помех до 22 дБ.

3. Использование сетчатой функции зависимости слоговой разборчивости от отношения сигнал/акустическая помеха позволяет осуществить практическое оценивание слоговой разборчивости в телекоммуникационной системе аудиообмена, в телекоммуникационной системе громкоговорящей связи; позволяет определить минимально допустимое отношение сигнал/акустическая помеха на выходе системы аудиообмена для обеспечения заданного значения слоговой разборчивости.

4. Формантное распределение полос прозрачности в многоканальном адаптивном фильтре позволяет снизить вычислительную сложность алгоритма обработки за счет резкого уменьшения количества каналов режекции, позволяет минимизировать потери полезного сигнала при формировании областей режекции для подавления компонент помех.

5. Метод адаптивного управления формированием области режекции в многоканальном алгоритме подавления внешних акустических помех, основанный на оценке значения модуля составляющих в канале.

6. Метод создания алгоритмов адаптивной многоканальной компенсации эхо-сигналов, основанных на модели с корреляционным оцениванием долговременных параметров эха, позволяет создать алгоритмы компенсации с минимизированным числом каналов, равным числу выделенных долговременных параметров задержки, позволяет уменьшить порядок адаптивных фильтров в каналах, позволяет увеличить скорость настройки эхо-компенсации, позволяет повысить результаты компенсации эхо-сигналов на 1-4 дБ больше, по сравнению с известными.

7. Предлагается способ многоканальной адаптивной обработки речевых сигналов и подавления помех в частотной области, позволяющий достичь подавления внешних акустических шумовых и сосредоточенных помех до 15 дБ.

Апробация работы. Основные положения диссертационной работы докладывались на международных и Всероссийских конференциях и опубликованы в материалах и сборниках тезисов докладов: конференции Муромского института Владимирского государственного университета (1990-2012); на 16 th - 22 th International Crimean Conference "Microwave & Telecommunication Technology" — Sevastopol, Ukraine, 2006-2012 гг.; на 12-ой Всероссийской конференции «Новые информационные технологии в научных исследованиях и образовании» — г. Рязань, 2007 г.; на 2-ой Всероссийской научной конференции «Сверхширокополосные сигналы в радиолокации, связи и акустике» - г. Муром, 2006 г.; на 4-й международной конференции «4-а международна научна практична конференция, «Научно пространство на Европа — 2008» — г. София, Болгария, 2008 г.; на 3-ей, 4-ой, 5-ой международной научно-технической конференции «Информационные технологии в науке, образовании, производстве» - г. Орёл, 2008-2012 г.; на 1-ой «First Russian Pacific Conference on Computer Technology and Applications» - Vladivostok, Russia, 2010 г.; на I-III Всероссийских научных Зворыкинских чтениях «Наука и образование в развитии промышленной, социальной и экономической сфер регионов России» — г. Муром, 2009-2012 гг.; на международной IEEE-сибирской конференции по управлению и связи (SIBCON-2011) - г. Красноярск, 2011 г; на 4-ой международной научно-практической конференции «Актуальные проблемы радиофизики «АПР-2012» - г. Томск, 2012 г.

Диссертационные исследования выполнялись в рамках госбюджетных и научно-исследовательских работ совместно с ОАО «Муромский радиозавод», ОАО НПП «Звукотехника», ОАО «Муромское специальное конструкторское бюро»: ГБ НИР МИ ВлГУ №225/87 «Анализ и синтез радиоэлектронных систем и сигналов методами моделирования на ЭВМ» (Инв. № 09210044552) (н.р. Кропотов Ю.А.); ГБ НИР МИ ВлГУ №264/91 «Анализ и синтез радиоэлектронных систем и сигналов методами моделирования на ЭВМ» (Инв. № 09210044552, № гос. per. 002960007077) (н.р. Кропотов Ю.А.); ГБ НИР МИ ВлГУ № 376/01 «Анализ и синтез электронных устройств, систем и сигналов с применением компьютерных технологий» (Инв. № 02.2004.04934, № гос. per. 01.200.108484) (н.р. Кропотов Ю.А.); ГБ НИР МИ ВлГУ № 376/01 «Анализ и синтез электронных устройств, систем и сигналов с применением компьютерных технологий» (Инв.№ 02.2007.03232, № гос. per. 01.200.108484) (н.р. Кропотов Ю.А.); ГБ НИР МИ ВлГУ № 376/01 «Анализ и синтез электронных устройств, систем и сигналов с применением компьютерных технологий» (Инв.№ 0220.1052978, № гос. per. 012007004452) (н.р. Кропотов Ю.А.); ХД НИР с ОАО «Муромский радиозавод» "Исследование и разработка коммутационной системы громкоговорящей связи" (№2984/03) (н.р. Кропотов Ю.А.); ХД НИР с ОАО «Муромский радиозавод» "Исследование и разработка дистанционного управления командной системы, локальных сетей командной системы и объектов управления" (№ гос. per. 0120.0602602) (н.р. Кропотов Ю.А.); ХД НИР с ОАО «Муромский радиозавод» "Модернизация и разработка командной системы беспроводной передачи речевой информации" (№ гос. per.

0120.0804923) (н.р. Кропотов Ю.А.); ХД НИР с ОАО «Муромский радиозавод» "Разработка корабельной оперативно-командной телекоммуникационной системы связи с использованием сетевых технологий" (№ гос. per. 0120.0809610) (н.р. Кропотов Ю.А.); ХД НИР с ОАО «Муромский радиозавод» "Разработка абонентского устройства системы трансляции радиостанций с использованием Интернет-технологий" (№ гос. per. 01201067422) (н.р. Кропотов Ю.А.); ХД НИР с ОАО НПП «Звукотехника» "Разработка программ по преобразованию 3D моделей в 2D представление графической информации и формированию проектной конструкторской документации" (№ гос. Per. 03201150860) (н.р. Кропотов Ю.А.); ХД НИР с ОАО «Муромский радиозавод» «Разработка абонентского устройства телекоммуникационной системы передачи речевой информации с применением беспроводных технологий» (№ гос. per. 4167/11) (н.р. Кропотов Ю.А.); Грант РФФИ №06-07-96501- р_центр_офи, 2006 г. (н.р. Кропотов Ю.А.).

Публикации по работе. По результатам выполненных исследований опубликовано 123 работы, в том числе 2 монографии, 24 статьи в журналах из перечня ВАК, 54 статьи в центральных и зарубежных журналах, 34 публикации в материалах и тезисах докладов конференций, 9 патентов.

Структура и объем работы. Диссертационная работа состоит из введения, семи глав, заключения, изложена на 268 страницах, содержит 83 рисунка, 19 таблиц; список литературы состоит из 361 наименования.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы цель и задачи диссертационной работы, определены ее научная новизна и практическая значимость, представлены положения, выносимые на защиту, приведены сведения об апробации работы и публикациях. Дано краткое содержание диссертации.

В первой главе рассмотрено современное состояние вопроса проектирования оперативно-командных систем телекоммуникаций, систем обмена аудиоинформацией в виде речевых сообщений. Данные системы должны быть эффективными, должны обеспечивать оперативное доведение командной информации абонентам, в том числе в условиях воздействия внешних помех. Данные системы должны удовлетворять таким критериям как необходимое минимальное отношение сигнал/шум на выходе, минимальное допустимое значение слоговой разборчивости.

Структурная схема цифрового абонентского устройства современной оперативно-командной телекоммуникационной системы обмена аудиоко-мандной, телеметрической и другой информацией имеет вид, представленный на рис. 1.1.

Рис. 1.1. Структурная схема цифрового абонентского устройства современной оперативно-командной системы телекоммуникаций

В процессорном модуле абонентского устройства может применяться встраиваемый одноплатный компьютер. Периферийные устройства могут подключаться по скоростным каналам и шинам расширения. Каналы Gigabit Ethernet позволяют использовать данное абонентское устройство через микропроцессорный стык абонентского доступа в развитой сетевой инфраструктуре системы телекоммуникаций.

Каждое абонентское устройство с микрофонным входом должно быть оборудовано системами обработки сигналов.

В первой главе рассмотрены критерии и оценка эффективности телекоммуникационных систем обмена и достоверности доведения командной информации. Показано, что важным параметром оценки эффективности обмена речевыми сообщениями в системах телекоммуникаций является слоговая разборчивость в соответствии с ГОСТ Р 50840-95, ГОСТ Р 51061-97, ГОСТ 16600-72 или значение PSEQ-MOS в соответствии с рекомендациями ITU-T Р.340, Р.800, Р.862. Представлены общая классификация задач и методов их решения при проектировании помехозащищенных телекоммуникационных систем передачи речевой информации.

Во второй главе рассматриваются вопросы оценивания функции одномерной плотности вероятности речевых сигналов и помех, так как эта функция может быть использована при анализе и синтезе, может быть применена при решении задач определения параметров сигналов, параметров моделей сигналов.

Рассматриваются возможности параметрических и непараметрических, прямых и косвенных методов оценивания плотности вероятности. Прямое оценивание функций плотности вероятности, основанное на интегральном уравнении с эмпирической функцией распределения в правой части, является некорректной задачей, и ее решение требует соответствующей регуляризации уравнения. Эмпирическая функция распределения находится при этом по формуле

FW = 77iX(H°'*])> (2.1)

где I (б)=Н является индикаторной функцией множества В (в формуле

[О, х- п

Г,1, хе В в

(2.1) — это отрезок (-со, .т] ),а N обозначает размер выборки.

Аппроксимацию плотности вероятности эмпирических данных можно осуществить и непосредственно, воспользовавшись методом ядерных оценок. В рамках этого метода оценка пропорциональна сумме функций И{(х — х,)/с1м), каждая из которых представляет собой сдвинутую на величину х, и сжатую с коэффициентом с/д, плотность вероятности к(х), так что оценка имеет вид

(2.2)

Очевидно, что функции Щх - х1) / с/д,)/ с1ы, а значит и оценка, также принадлежат к числу функций плотностей вероятности. Функция И(х) задается заранее или подбирается в рамках некоторой процедуры оптимизации. Значения же .V, являются узлами выборок данных. ;

В случае нестационарных сигналов, когда число выборок невелико, возможно применение метода регуляризации или сглаживания, который сводится к минимизации функционала _

•/(№) = (2-3)

по плотности/ где первое слагаемое представляет расстояние между решением и эмпирической функцией распределения Рк, а второе - регуляризирующий функционал. Задачу (2.3) можно свести к задаче с ограничениями. Это позволяет её решение методом барьерных функций. Тогда задача минимизации с ограничениями сводится к решению последовательностей задач безусловной минимизации функции

__1 1М + 1

где — —~~'П£Г» - барьерная функция, стремящаяся к бесконечности, если

Я, А,

решение приближается к границе допустимой области. Практическая реализация алгоритмов минимизации приведенных функционалов обуславливает выбор базисных функций и требуемого порядка многочленов. Таким образом, при оценивании одномерной функции плотности вероятности речевого сигнала и помех проекционные методы не гарантируют того, что оценка будет обладать свойствами, предъявляемыми к плотности вероятности. Методы локальной аппроксимации могут рассматриваться как обобщение проекционных методов. Поэтому ядерная оценка или параметризованная оценка методом барьерных функций минимизации функционала с ограничениями является корректным решением задачи восстановления функции плотности вероятности речевых сигналов и сигналов акустических внешних помех.

Третья глава посвящена корреляционным и спектральным методам анализа речевых сигналов и помех. Рассматриваемые ниже корреляционно-экстремальные методы оценивания периода сигнала и задержек позволяют ре-

шить задачу построения модели эхо-сигнала в условиях множественных отражений. С помощью корреляционного и спектрального анализа осуществляется идентификация систем и обнаружение периодичностей.

Обнаружить наличие помехи xh(t) = xhfi (t) с периодом ви можно методом синхронного детектирования, вычисляя взаимную корреляцию наблюдаемого Jt(f) и эталонного xh(t) сигнала.

Существенным здесь является допущение о некоррелированности периодической помехи с сигналом «(f), в рамках которого эмпирическая функция ковариации

т

Г*"(0= ¡x„(v)n(v + t)dv = Q,

l-T

где период интегрирования Т, как правило, должен быть заметно больше периода помехи, Т»в0.

Согласно рис. 3.1а период и параметры формирующего фильтра варьируются до тех пор, пока не будет получен максимум корреляционной функции. При этом соответствующие максимуму значения варьируемых переменных становятся искомыми оценками. Законы варьирования выбираются с учетом известных особенностей наблюдаемого сигнала. Аналогично решается и задача оценивания задержки сигнала. В этом случае наблюдаемый сигнал считается принимаемой на фоне сторонних шумов и помех копией известного сигнала, возможно искаженной при прохождении по каналу (рис. 3.16).

В третьей главе уделяется также внимание кумулянтным функциям и спектрам высокого породка, что обусловливается возможностью их применения при обнаружении негауссовых сигналов на фоне гауссовых помех, оценивании фазы, обнаружении комбинационных частот и идентификации неминимально фазовых систем.

Однако эмпирические оценки кумулянтных функций обычно находятся из формул, связывающих их с моментными функциями.

Моментную функцию и переменных принято записывать в виде

= -*;•}= Jxf'-x>„-JF(x). п

Здесь интеграл берется по всем компонентам вектора переменных x = (xl,x2,---,.rn)' , хе R", х, = x(t,). Центрированные моменты обозначаются символом R.

СШШ Си» Hi* v'OTM&l

а б

Рис. 3.1 Корреляционно-экстремальная система а) оценивания периода; б) оценивания задержки

Также рассматриваются вопросы применения корреляционных и кумулян-тных функций применительно к обработке акустических сигналов. Например, при оценивании задержек в каналах распространения эхо-сигналов можно ограничиться взаимными кумулянтами третьего и четвертого порядка: С2у (/, /, т) = Е{у(1)у(1)х(1 + /и)} и С£(/, /, т, т) = Е{у(!)у(1)х(1 + т)х{1 + /и)}, на двумерных поверхностях в пространстве аргументов. При обработке сигналов в реальном времени процедуру нахождения семиинвариантов и спектров представляется полезным реализовать с использованием методов последовательного оценивания или обнаружения.

Таким образом, корреляционные и спектральные методы могут обеспечить решение задач оценивания времени задержки и затухания эхо-сигналов, что позволяет получить структуры алгоритмов компенсации с более эффективной степенью компенсации эха и подавления сосредоточенных помех.

В четвертой главе рассматривается альтернативный параметрический подход к анализу и моделированию сигналов, в рамках которого сигналы описываются системой дифференциальных или разностных уравнений. Механизм формирования речи моделируется неоднородной системой с распределенными параметрами.

Модель эхо-сигнала с множественными отражениями представляется в этом случае системой с множеством задержек (см. рис. 4.1). То есть, результирующий сигнал можно аппроксимировать конечной суммой выходов отдельных каналов и(г, 0 = 2 Тф„ ,рк,ук )Нкр(г, , /Зк, ук).

-г

Игл

1- И,л ---

Я;,; --.-

кю-и—

Рис. 4.1. Модель канала системы с множественными отражениями

Здесь принято, что относительно оси х'3 системы координат (х[, х'2, х[), связанной с микрофоном, последний является симметричным, то есть характеризуется диаграммой направленности м(ак,Рк), не зависящей от угла ук. Оператор «к

Нк = Нк! призван учесть непрерывный характер распределения задержки в /=1

окрестности выделенных номинальных значений. Тогда звуковая волна, распространяющаяся по р каналам, характеризуется на выходе модели изображением

п

" г..

2,л

(4.1)

1-А.

Л/ п,

где ег, £ = сг^ //л - коэффициент затухания, а т-х = т^Г 11к - время задержки

Ы *=1

сигнала в канале /.

Из (4.1) следует, что каждый канал модели состоит из элемента задержки на величину т, г и линейной цепи с передаточной функцией

Н1{з) = е-°^ П

В качестве моделей источников сигналов, рассматриваются дискретные системы, описываемые линейными разностными уравнениями. Решение задач идентификации сигналов методом наименьших квадратов показало на практике свою высокую эффективность, особенно при неполных и неточных данных в области моделирования и измерений, в распознавании образов и при вычислении регрессии.

Применение моделей сигналов, описываемых дифференциальными и разностными уравнениями, позволяет разработать эффективные средства оценивания помех и сигналов, в том числе метод оценивания задержки и затухания эхо-сигналов, основанный на корреляционном анализе. Подобные модели позволяют получить характеристики систем адаптивной компенсации помех и эхо-сигналов.

Также в главе представлены результаты сглаживания нестационарных сигналов и идентификации переменных параметров дискретных систем обобщенным методом локальной аппроксимации в классе функций заданной степени гладкости. Аналогичным образом рассмотренный подход обобщается на интерполяцию многомерных, в том числе взаимно коррелированных, процессов.

Если интерполяционный многочлен на к -м интервале записать в виде

Л (0 = ■!«(') (4.3)

и положить, что длина всех интервалов интерполяции одинакова и равна ©, а схема расположения узлов интерполяции не зависит от номера интервала, так что от него, в свою очередь, не зависят ни векторная функция и(/), ни матрицы

IVй"1, то функционал потерь, характеризующий точность аппроксимации на к-ом интервале, представляется выражением

0(Л (0) = £(у'кл - 1Г'ЛТ*>7г<(у</> -IV»*а,) +

.м

г

+ £л,(ч№7'(0)а, -и",г(0)аы), (4.4)

>=°

где A.J - множители Лагранжа.

Дифференцируя эту функцию по як и приравнивая результат к нулю, получаем

¿/^и'-'ЧО). (4.5)

У у=0 2

Далее, если ввести матрицу, столбцами которой являются вектор и(/) с компонентами из базисной системы функций и его производные

Я(0 = (и(/) и<п(0 - ■<"(')), то из условий сопряжения и выражения для интерполяционного многочлена определяется вектор X, = Л,, ■■■, Лг)т искомых множителей Лагранжа:

/ 1Н

Отсюда следует, что вектор р, (г) = [рк (О, (г), ■ • •, РЦГ) 0))т = Нт{?)ак, образованный значениями интерполяционного многочлена и его производных на ¿-том интервале, описывается уравнением

р *(0 = "7М

5>

(,/)„(У)

(4.6)

Выражение для интерполяционного многочлена, являющегося первым компонентом вектора рД?), получается непосредственно из уравнения (4.6):

РЛ 0 = «г(0

X*

./•о

(4.7)

р*(©)

-.в

-ТГ^

Я2'(0)

ТГ

и(0

т

Рис. 4.2. Структура фильтра, основанного на методе наименьших квадратов с ограничениями типа равенства

Определенный таким способом интерполяционный сглаживающий фильтр, структурная схема которого приведена на рис. 4.2, обеспечивает гладкое, основанное на рекуррентной процедуре и уравнении (4.7), восстановление процесса.

Моделирование сглаживающего фильтра, обеспечивающего оценку интенсивности, показало его высокую эффективность, необходимую при сегментации сигналов как на тестовом, так и на речевом сигнале. Свойства фильтра зависят при этом от величины окна данных, величины области определения многочлена и величины смещения этой области относительно границ окна данных. Компенсация эхо-сигналов в телекоммуникационных системах передачи речи является одним из способов обеспечения устойчивости систем с обратной связью и предотвращения деградации характеристик речепреобразующих устройств. Особенно это проявляется при наличии каналов со значительными, до

нескольких сотен миллисекунд, задержками. Применение адаптивных методов компенсации в таких условиях приводит к необходимости применения фильтров с большим числом отводов, что негативно отражается на скорости их настройки и устойчивости к изменениям акустической обстановки. Это обусловливает потребность в разработке более эффективных алгоритмов компенсации, основанных, например, на модели эхо-сигнала с долговременными задержками.

Пятая глава посвящена разработке моделей речевых сигналов и помех, имеющих место в системах оперативно-командной связи, в распределенных телекоммуникационных системах на многофункциональных объектах (например, на военных кораблях), исследуются одномерные плотности вероятности, корреляционные и спектральные характеристики.

Показано, что одной из адекватных характеристик речевого сигнала является функция плотности вероятности, которая может оцениваться путем построения гистограммы по большому числу данных. Представлен разработанный алгоритм построения гистограммы функции плотности вероятности по конечному числу л-разрядных оцифрованных отсчетов в следующем виде:

= ^ I IX,, (5.1)

'¥ у—2%1 |>|

где Р(х()-оценкавероятности выборкиX/,

х, — /'—я выборка, представленная номером уровня квантования, е[-2"+1,2"-1], |*/.ти| = 2л-1,

/ - номер выборки в анализируемом интервале (/ = 1,2,..., Л/), У - номер интервала гистограммы для анализа числа попаданий в него х1 - тых выборок, 7 е [-2" +1,2" -1],

5у - символ Кронекера, имеющий вид

_ |1, если х, = у, ' [0, если х, * у.

Рассмотрено восстановление плотности вероятности речевого сигнала по эмпирическим данным. Исследуются различные аппроксимации функции плотности вероятности. В случае алгебраических и тригонометрических многочленов, описываемых выражениями

= , (5.2) р{х) = со$(ках)+ЬкМках)), (5.3)

1.0 4-0

задача аппроксимации заключается в нахождении их коэффициентов. Если параметр а является известным, то задача нахождения коэффициентов многочленов (6.2) и (6.3) относится к задаче линейной регрессии методом точечного МНК, которая решается посредством минимизации квадратичной функции потерь, представляющей невязку эмпирических данных и полученной на их основе оценки.

В общем случае функцию невязки можно записать в виде

0(е)=|;(Ад:„е)-.Р(дг,))\ >•0

где /(хк,в)- усредненная на к-ом интервале гистограммы оценка функции плотности вероятности /(х, а 0— вектор параметров, по которым осуществляется минимизация невязки, точнее, вектор коэффициентов рк, ак и Ьк, от которых многочлены зависят линейно.

Аналогичный вид невязки имеют и при аппроксимации гистограмм многочленами по системам гауссовых и экспоненциальных функций. При этом указанные многочлены описываются выражениями

м 'Ж и -К

р(х)=^Аке , (5.4) р(х)=^Аке в" . (5.5)

*=1 к=1 В этом случае задача минимизации невязки относится к задачам нелинейной регрессии, к задаче идентификации параметров Лк и Вк методом точечного МНК.

Негладкую функцию плотности вероятности можно с помощью метода локальной аппроксимации представить последовательностью многочленов вида (5.4) — (5.5), определенных на различных интервалах изменения аргумента. В точках сопряжения на них можно наложить дополнительные ограничения типа равенства. При этом на каждом из таких интервалов коэффициенты многочлена находятся посредством минимизации взвешенной функции невязки вида

о)-/>(.*, ))г,

к-0

где н'(;с) — весовая функция, определяющая окно используемых данных, и V, — величина сдвига окна данных для / —интервала аппроксимации, / = 1,. Полученная таким способом последовательность параметров 0, пуп 0,(0) решает задачу аппроксимации.

Зависимости погрешности аппроксимации гистограммы речевого сигнала от порядка многочленов (5.2) - (5.5) приведены на рис. 5.1. Зависимости вычислительных затрат на аппроксимацию гистограммы речевого сигнала от порядка многочленов для рассмотренных выше случаев приведены на рис. 5.2.

Рис. 5.1. Зависимости погрешности Рис. 5.2. Вычислительные затраты ап-аппроксимации от порядка М проксимации гистограммы речи

Таким образом, с учетом вышесказанного, для заданной погрешности аппроксимации е < 5% и при выполнении условия минимизации вычислительных затрат можно отдать предпочтение аппроксимации функции плотности вероятности речевых сигналов многочленом третьего порядка по системе экспоненциальных функций. Предложен рекурентный алгоритм вычислений параметров экспонент Ак Вц для вышеуказанной аппроксимации функции плотности вероятности.

По такому же алгоритму (5.1) исследуется функция плотности вероятности сигналов акустических помех. Показано, что аппроксимация этой функции многочленом третьего порядка по системе функций гауссовых кривых дает погрешность £¿4,8%.

В этой же главе исследуются автокорреляционные функции речевых сигналов и акустических помех. Исследуются нормированные АКФ, интегрированные по множеству сегментов, исследуется время корреляции речевых сигналов и различных акустических помех.

АКФ для различных сегментов одной реализации усреднены и нормированы в соответствии с выражением

1 1 м- 1ЛМ

Е Ци(пТ + тЫТ)и(пТ + тпИТ + кТ) г(кТ,М)=М - т=0п=°-77Г-, 0<к<К, (5.6)

Ятах(М)

где от - номер сегмента речи.

Рис. 5.4. Изменение АКФ во временной области, К=256 отсчетов

U...... ---- IVOr^OHMIK | ***** Пе*к**«« Йч»«!» f

....." ...........£

6,

fc ». «. fa :*» fe Ai К *i» ;

о КЖВЯЕШТЖ^*; Рис. 5.5. Усредненная АКФ речевой реализации с расстановкой узлов интерполяции и их индексации для аппроксимации многочленом Лагранжа, К=25в отсчетов, Н= 10

Показано, что АКФ речевых сигналов и акустических помех достаточно точно аппроксимируется интерполяционным полиномом Лагранжа с неравномерной сеткой расстановки узлов. Выражение аппроксимации интерполяционным полиномом десятого порядка имеет вид

10 1 Оки

А=0 1=0, Kh ~ К1

l*h

l M*c

1 Jf^tJ.t'O.K*«**

t« *>:*: *1 *« * t* d ' iv то io i?5 200 3« 2J»

.....j.........ГГ...........i-i.........i......;-•)■•

lec Si 5W

M> »¡-20 ь^в i»'214»„-M t,»-JS

а. АКФ шума моря б. АКФ шума в машинном

отделении корабля Рис. 5.6. Усредненные АКФ внешних акустических шумов с индексацией узлов интерполяции

Кт ~

Достигнутая погрешность аппроксимации составляет менее 3,56 % при значении порядка полинома Я=10-15 (см. рис. 5.5, рис. 5.6).

Исследования спектральных функций речевых сигналов и акустических помех проводились с помощью трех различных алгоритмов с использованием ДПФ на конечных интервалах. В частности показано, что информацию о форме спектра речевых сигналов можно получить с помощью следующих алгоритмов:

1. Построение формы спектральной плотности по максимальным значениям модулей спектральных составляющих множества кратковременных ДПФ в соответствии с выражением

1.-\ м

■^ах^Д//) =ЕЕМ/-Д//Н.ш ,

/=От=1

Р

где Л// к, „, - единичная функция для /-ой дискретной частотной состав-

ляющей т-ой кратковременной спектральной плотности, к/т подчиняется условиям

1, !*„(/• 4/|)|>к,±|(/-4/|)|, о, |*„,±1.(/ • Щ >|*т(/-до|,

М- число интегрированных кратковременных ДПФ, <—1,2,... ,М.

2. Построение формы спектральной плотности по средним значениям модулей спектральных составляющих кратковременных ДПФ

1 м /.-1

М Ю-1/-0

3. Спектральную функцию распределения плотности мощности по частоте получаем применением ДПФ от интегрированной АКФ Ям (кТ) на конечном ин-

/г

тервале из N отсчетов в виде дискретных отсчетов на частоте со, =2ж--1. Вы-

N

ражение спектральной функции имеет вид

1=0 к=0

Исследования спектральных характеристик различных акустических помех осуществлялись так же преобразованием кратковременного ДПФ от АКФ акусти-

/.-1 К-1

ческих шумов, то есть по выражению С/,) = Яп(кТ)е^2,г1^кГ, где

1=0 *=о

Яп(кТ) — АКФ акустической помехи на конечном интервале.

Рис.5.7. Аппроксимация спектральной плотности интерполяционным многочленом Лагранжа

Рис. 5.8. Спектральные функции плотности мощности акустических шумов

В работе также представлены математические модели спектральных функций речевых сигналов и акустических шумовых помех в виде аппроксимаций интерполяционным многочленом Лагранжа. На рис. 5.7 и 5.8 видно, что при значениях порядка многочлена ЛИО-И1 достигается погрешность аппроксимации £ < 4,9 %.

В шестой главе исследуются параметры систем аудиообмена, влияющих на эффективность передачи информации речевыми сигналами. В частности, исследуется влияние отношения сигнал/помеха на слоговую разборчивость с помощью инструментально-расчетного метода. Результаты исследований зависимости слоговой разборчивости от отношения сигнал/шум представлены на рис. 6.1. Из рис. 6.1 видно, что слоговая разборчивость будет удовлетворять требованию 5 > 93 % при отношении сигнал/помеха Ре/Ри.пш.^20 дБ

Также в данной главе проведены исследования относительных интенсивно-стей для различных сигналов и акустических помех по методике вычисления отношения интенсивностей звукового давления I относительно нулевого уровня интенсивности /0=Ю"12 Вт/м2 по значениям дисперсий сигналов и помех. Относительные значения звукового давления определяются по выражению

где 5 = АпЯ2 - площадь сферы, для случая речевого сигнала к = 2, Л = 1 м; для случая акустической помехи к = 1, Л = 5 м.

Полученные значения относительных интенсивностей и соответствующие отношения сигнал/шум для различных акустических сигналов представлены в таблице 6.1.

Вид сигнала О2 (Вт) у-(дБ) ¿Г(яБ)

Речевой сигнал 0,126 103 -

Шум квантования 0,5Ю° 59 44

Акустические помехи (ОСТ В4 ГО.005.004) 3,5-Ю"1 85 18

Шум моря 0,0687 90,4 12,6

Шум ветра 0,0953 91,8 11,2

Шум в машинном отделении 0,111 92,5 10,5

Из таблицы 6.1. видно, что при наличии таких акустических помех как шум моря, шум ветра, шум в машинном отделении, Рс/Рт„ал), находится в пределах

10,5-42,6 дБ. При таких отношениях сигнал/помеха слоговая разборчивость составляет 5= 65 % (см. рис. 6.1.). Передача информации речевым сигналом такой системой телекоммуникаций существенно затруднена и сообщение абонентом воспринимается с затруднениями.

На рис. 6.2. представлены результаты моделирования фильтра с АЧХ прямоугольной формы при воздействии на него различных акустических шумовых помех. На рис. 6.2. проиллюстрировано влияние частоты среза фильтра Р„ на отношение Рс/ Ракпом , соответсвенно на значение величины подавления акустических шумовых помех, так как увеличение отношения Рс I Раи„„. = —, где

К

р

]£ — «к ион

Из графиков на рис. 6.2 видно, что акустические помехи вида «шум ветра», если установить /\,=500 Гц, подавляются на -(17+-23) дБ, что увеличивает отношение сигнал/помеха в соответствии с табл. 6.1 до 28,2^-34,2 дБ. Из этих же графиков видно, что при воздействии акустической помехи вида «шум в машинном отделе-

нии» и при 700-1000 Гц, такая акустическая помеха подавляется на 12 дБ, что увеличивает результирующее отношение сигнал/помеха до 22,5 дБ. При воздействии акустической помехи вида «шум моря» при ^„=800-1000 Гц данная помеха подавляется на (11-И5) дБ, что увеличивает результирующее отношение сигнал/шум до 23,6-^27,6 дБ.

Рис. 6.1. График зависимости значения Рис. 6.2. Зависимость отношения слоговой разборчивости от отношения Рс/ Рыты. на выходе фильтра прямо-сигнал/ак. пом. — д угольной формы от значения при

фиксированном значении 7^=6000 Гц

Проблема высоких порядков адаптивных фильтров в эхокомпенсаторе упрощается, если обеспечивать компенсацию в локальном диапазоне задержек. В этом случае число отводов адаптивних фильтров уменьшается, число локализованных задержек уменьшается до 1^3. Таким образом, по суммарному числу отводов в схеме эхокомпенсатора имеет место заметный выигрыш. Структурная схема адаптивного фильтра принимает вид как на рис. 6.3.

И(я)

»("> " «„('О ♦ .'<")

у m-i JI

u(fl + L)ht(n + L)

Рис. 6.3. Структурная схема адаптивного фильтра компенсации эхо-сигнала Сигнал на выходе адаптивного фильтра может быть представлен в виде

v(n) = Y,u(n+l)h,(n) = uT (n)h(rt),

- векторы коэффициентов адаптивного

фильтра и выборок опорного сигнала и{п), соответственно.

Уравнение компенсации основывается на ошибке компенсации е(и) = v(") - уМ ■ Для минимизации ошибки компенсации вводится функция потерь, в виде среднеквадратического значения ошибок на некотором интервале наблюдения. Эту функцию можно записать в виде

1 м

M + 17^;

=~l)~ À'hT{nM" ~ $ =

\(пУ Г «о») )

гДе h(/j) = /ф) и и(я) = и(и-1)

u{n-L),

где параметр Л берется из интервала 0 < Л < 1, вектор

Л"х(п) Л'х(п-1)

х(«) =

Лмх(п-М))

а матрица Щп) = (л°и(") Я'и(«-1) ••• Лми{п-М)).

В этих обозначениях минимизация функции потерь приводит к решению, имеющему вид

Ь(п) = (и(п)иг («))"'и(п)х(п).

Таким образом, полученное уравнение образует модель адаптивной компенсации эхо-сигнала, обеспечивающее усреднение наблюдаемых ошибок оценивания.

Разработанная модель алгоритма оценки долговременных параметров позволяет уменьшить число отводов адаптивных фильтров и, соответственно, увеличить скорость их настройки. Параметры долговременных задержек могут быть также определены с использованием тестового сигнала.

Седьмая глава посвящена разработке алгоритмов эхокомпенсаторов и устройств 111ПУ на основании исследований, выполненных в предыдущих разделах работы. В частности показано, что при создании более эффективного алгоритма адаптивной компенсации с однополосной обработкой эхо-сигнала следует использовать модель абонентского устройства с опорным каналом. Чтобы повысить стабильность компенсации эхо-сигнала, представляется целесообразным воспользоваться априорной информацией о сигнале, порождающем эхо. Это приводит к задаче оценивания параметров эхо-сигналов, которые можно определить с помощью опорного сигнала как в основном, так и в дополнительном канале. Структура алгоритма многоканальной адаптивной компенсации приведена на рис. 7.1.

Назначение блока корреляторов в представленном алгоритме многоканальной компенсации состоит в определении набора ковариационных функций. По максимумам этих функций в блоке настройки задержек оцениваются значения долговременных параметров эхо-сигналов и, соответственно, определяется число каналов компенсации. В совокупности блоки корреляции и настройки реализуют приведенные выше алгоритмы.

а

= 2 Я" - О» )»,(" - о„ - к)

К ¡,ш о Блох вычисления ВКФ

Т

а. —!—д.(аг)

Блок вычисления долговременных параметров

У/ ?••• \ ч

/ I > \ X*»»

Блок настраиваемых коэффициентов Л/

ЧИ^СЗ'-

г-' гЧ г1 г' -, Хч-О.)

.-и—а'

а к. ак к |о, а„<Га.

Блок обнаружения эха

Блок формирования опорной модели

эхо-сигнала

№

Блок формирования кадров

Ф)

I

l4o.-0.-n -и

Блок задержек

Рис. 7.1. Структурная схема однополосной обработки многоканальной адаптивной компенсации эхо-сигналов

В главе рассмотрен многоканальный алгоритм подавления сосредоточенных помех, представляющий собой набор (гребенку) узкополосных фильтров с полосами Д/, реализующих общую полосу пропускания АР тракта. Построение такой структуры фильтрации позволит осуществить подавление акустических помех путем управления областями режекции.

6-1СГ 5ИГ" 4-10*. З-Ю'" МО""-МО'',

2.М-КГ*

Рис. 7.2. Зависимость совместной вероятности формантных составляющих и сосредоточенных помех от А/\ Р] - первая форманта, вторая форманта Представлен разработанный метод выбора числа каналов и значений полос пропускания каналов А/в зависимости от заданной совместной вероятности сосредоточенных помех и формантных составляющих. На основании этого метода разработаны рекомендации по созданию гребенки узкополосных фильтров с формантным распределением полос режекции, разработан адаптивный алгоритм подавления акустических шумов и сосредоточенных помех (рис. 7.3).

ПФ

1

км.

'"'к- 1>МИЛ,„

71"}« "з

ка = ка 4

11Ф, 300-350 5

уефоНс |Ж> ви'ок'книи уроВКЯ ргнЛиюпгй Г| 6

пороговое устройпво

ПК.

8

ПФ„ 3200-3400 37

)стр«йсгпк> аьгпкчсинл уримкй огиГшющий }'«

38

1я

ко"

(»роговое 5<тр«'Япяо

' |о, г, 2*.

40

Е

41

ПФ 300-3400 42

Рис. 7.3. Устройство адаптивного подавления акустических помех

Однако, появление областей режекции Д/ в АЧХ канала полосой ДТ приводит к потерям энергии полезного сигнала на величину АР. В работе исследован вопрос о зависимости потерь от полосы области режекции Д/, результаты представлены на рис. 7.4а.

к,(аБ)

т+т .. пОЫ*) ?

уэхополоскый кана1 /у

Пороговой устройство

алгоритм вычисления о1 алгпртпм ВЫЧКС.'МНШ »<0 >(•'«,, >>У(л

Л)/ДР

) - сшил управления

•'''-(^МО«.,,

б.

Рис. 7.4. а) график потерь энергии полезного сигнала в зависимости от ширины области режекции А/, б) структурная схема формирования сигнала управления

Из графика на рис. 7.4а видно, что энергетические потери полезного сигнала составляют доли децибела при выполнении условия Д Г « ДР.

Разработан алгоритм формирования сигналов адаптивного управления каналами (см. рис. 7.46) в многоканальных алгоритмах подавления помех.

На рис. 7.5 представлен разработанный алгоритм многоканальной адаптивной фильтрации речевых сигналов и подавления помех методами кратковременного ДПФ.

Рис. 7.5. Устройство многоканальной линейной фильтрации методами ДПФ С помощью данного алгоритма по числу отсчетов N в кадре 7С аддитивной суммы сигнала и помехи вычисляются спектральные составляющие с помощью ДПФ на конечном интервале. Получается спектральная функция в дискретном виде, с отсчетами спектральных составляющих через = /^/./У, на частотах //\, где / в общем случае в пределах 0</</У-1. Для реализации тракта с полосой от /г„ = 300 Гц до /г„= 3400 Гц, 1тт = Р„//х и /тах = Рв//Х. Вычисляется модуль каждой спектральной составляющей и, если выполняется условие |.у(Л /,)(> кй, то канал считается пораженным помехой и данная составляющая выключается.

Сумма составляющих, у которых их модули не превысили порог ко, поступают на сумматор. Выходной суммарный сигнал преобразуется с помощью ОДПФ, на выходе получают аналоговый речевой сигнал, очищенный от помех.

Полученные результаты исследований моделированием показывают, что с помощью алгоритма на рис. 7.5 можно получить подавление помех до 15 дБ. Исследования проводились при следующих параметрах модели: длительность окна

Тс = 20-10"3 с, 104 Гц, ЛГ= 200,/¡=50 Гц, /„,*,=6, /лиг=68.

В заключении сформулированы основные результаты работы, которые сводятся к следующему:

1. Разработан алгоритм гистограммного оценивания функции распределения плотности вероятности оцифрованных сигналов в системах телекоммуникаций аудио обмена с заданной погрешностью. Получена сетчатая функция погрешности гистограммного оценивания от времени анализа сигнала. Показано, что при анализе реализации аудио сигналов в течение 300 мс можно получить оценку функции рас-

пределения плотности вероятности с погрешностью Е< 5%, для получения погрешности гистограммной оценки £ <1%, требуется время анализа > 4,5 с.

2. Создана новая математическая модель одномерной функции плотности вероятности речевых сигналов, рассматривая вопрос создания модели как задачу оптимизации с ограничениями, в рамках которой обеспечивается аппроксимация с более низкой погрешностью по сравнению с известными, с применением разработанного рекуррентного алгоритма вычисления параметров многочленов. Показано, что погрешность аппроксимации при представлении функции плотности вероятности речевых сигналов многочленом третьего порядка по системе экспоненциальных функций составляет менее 5%.

3. Впервые предложена и исследована аппроксимация функции плотности вероятности сигналов шумовых помех. Показано, что если аппроксимировать вышеуказанную функцию многочленом третьего порядка по системе гауссовых кривых, погрешность составляет не более 4,8 %.

4. Впервые разработан и исследован метод оценивания слоговой разборчивости в системах аудиообмена по отношению сигнал/помеха. Для практического оценивания слоговой разборчивости предложена сетчатая функция зависимости величины последней от отношения сигнал/помеха.

5. Впервые представлен разработанный метод оценки совместной вероятности формантных составляющих спектральной функции речи и составляющих помех, позволяющий получить значения полос пропускания Д / узкополосных фильтров в каналах обработки и соответственно позволяет определить число каналов в многоканальном алгоритме подавления внешних акустических помех.

6. Предложен и исследован метод оценивания уровня подавления внешних сосредоточенных помех, при воздействии последних на узкополосный фильтр гребенки фильтров. Разработан метод оценивания потерь в полезном сигнале в зависимости от значения области режекции в АЧХ тракта.

7. Разработан и исследован метод моделирования канала фильтром прямоугольной формы с управляемой частотой низкочастотного среза, предоставляющий возможность получения оценки эффективности линейной фильтрации в задачах подавления внешних акустических шумов.

8. Разработан многоканальный алгоритм подавления внешних акустических шумов и сосредоточенных помех с формантным распределением полос прозрачности узкополосных фильтров в гребенке фильтров, образующих общую АЧХ, и с адаптивным управлением областями режекции.

9. Разработан итерационный алгоритм минимизации квадратичной функции потерь, позволяющий вычислять значение коэффициентов адаптивных фильтров компенсатора. Решение задач управления настройкой коэффициентов адаптивных фильтров вышеуказанным алгоритмом позволяет проектировать компенсаторы с повышенным уровнем компенсации эхо-сигналов.

10. Разработан алгоритм многоканальной адаптивной компенсации эхо-сигналов с помощью новой модели сигналов на основе ковариационной функции долговременных параметров эха, в котором минимизировано число каналов компенсации, повышена точность оценки величины задержки, уменешено число настраиваемых коэффициентов и увеличена скорость их настройки, обеспечивается более

высокая степень компенсации эхо-сигналов, по сравнению с известными аналогами эхокомпенсаторов.

11. Впервые предложен способ многоканальной адаптивной обработки речевых сигналов и подавления помех методом кратковременного ДПФ. По данному способу вычисляются спектральные составляющие в кадре из N отсчетов и после оценивания компонент шума в преобразованной области, последние адаптивно исключаются и очищенные от помех сигналы восстанавливаются с помощью ОДПФ.

Таким образом, проведенные исследования позволили разработать теоретические подходы к созданию более эффективных диспетчерско-технологических систем телекоммуникаций, систем громкоговорящей связи обмена речевыми сообщениями в условиях сложной помеховой обстановки, разработаны методы построения моделей сигналов и моделей алгоритмов обработки, разработаны методы определения параметров систем передачи и обмена речевыми сообщениями, разработаны более эффективные алгоритмы подавления внешних акустических шумов и помех, разработаны более быстродействующие алгоритмы компенсации эхо-сигналов, решены вопросы повышения эффективности передачи информации речевыми сообщениями в распределенных оперативно-командных телекоммуникационных системах на многофункциональных объектах, работающих в условиях воздействия помех интенсивностью до 90 дБ, путем создания устройств подавления внешних акустических помех и устройств адаптивных эхокомпенсаторов, позволивших получить отношение Рс1 Рш. пом. на выходе системы более 20 дБ и, соответственно, обеспечить слоговую разборчивость обмена речевыми сообщениями S > 93%, позволивших обеспечить условия для более достоверного восприятия абонентами передаваемой речевой информации системами аудио обмена

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ Статьи в журналах из перечня ВАК

1. Кропотов Ю.А. Временной интервал определения закона распределения вероятности амплитуд речевого сигнала // Радиотехника, 2006.- № 6.- С.97 - 98.

2. Кропотов Ю.А., Кульков Я.Ю. Аппроксимация закона распределения вероятности амплитуд речевого сигнала // Радиотехника, 2006,- №11.- С. 63 — 65.

3. Кропотов Ю.А. Исследование вопросов повышения эффективности передачи информации речевым сигналом // Радиотехника, 2006.- №11.- С. 66 - 67.

4. Кропотов Ю.А. Экспериментальные исследования закона распределения вероятности амплитуд сигналов системы передачи речевой информации // Проектирование и технология электронных средств, 2006.- №4.- С. 37 — 42.

5. Кропотов Ю.А. Алгоритм определения параметров экспоненциальной аппроксимации закона распределения вероятности амплитуд речевого сигнала // Радиотехника, 2007.- № 3,- С. 44 - 47.

6. Кропотов Ю.А., Быков A.A. Модель закона распределения вероятности амплитуд сигналов в базисе экспоненциальных функций системы передачи речевой информации // Проектирование и технология электронных средств, 2007.-№2.- С. 30-34.

7. Кропотов Ю.А., Кульков Я.Ю. Анализ факторов снижения разборчивости речи в системах громкоговорящей связи // Известия Орловского ГТУ, сер. «Фун-

даментальные и прикладные проблемы техники и технологии: информационные системы и технологии», 2008,- № 1-3/269.- С. 129- 133.

8. Кропотов, Ю.А., Ермолаев В.А., Карасёв O.E. Метод интерполяционной фильтрации в задачах обработки речевых сигналов во временной области // Вестник компьютерных и информационных технологий, 2008.- №7.- С. 12 - 17.

9. Кропотов Ю.А., Быков A.A. Исследование автокорреляционных функций речевых сигналов // Радиотехника, 2008.- № 9,- С. 107 - 109.

10. Кропотов Ю.А., Быков A.A., Ермолаев В.А. Итерационные методы минимизации квадратичных функций потерь на последовательности конечных интервалов // Радиотехника. - 2009. -№11.- С.99-102.

11. Кропотов Ю.А., Ермолаев В.А. О корреляционном оценивании параметров моделей акустических эхо-сигналов // Вопросы радиоэлектроники, Серия ОТ, 2010,- Вып. 1.-С. 46-50.

12. Кропотов Ю.А. Алгоритм вычисления сигнала управления каналом ре-жекции многоканальной системы передачи акустических сигналов // Вопросы радиоэлектроники. Серия ОТ, 2010,- Вып. 1.- С. 57 — 59.

13. Кропотов Ю.А., Быков, A.A. Алгоритм подавления акустических шумов и сосредоточенных помех с формантным распределением полос режекции // Вопросы радиоэлектроники. Серия ОТ, 2010.- Вып. 1.- С. 60 - 64.

14. Кропотов Ю.А., Ермолаев В.А., Ерёменко В.Т., Карасёв O.E. Идентификация моделей дискретных линейных систем с переменными, медленно изменяющимися параметрами // Радиотехника и электроника, 2010.- Том 55.- X»l.- С.57 -62.

15. Кропотов Ю.А. Статистические параметры сигналов при проектировании оперативно-командных телекоммуникационных систем // В мире научных открытий, 2010,- № 6.1.- С. 39-44.

16. Кропотов Ю.А., Ермолаев В.А. Методы оптимизации в задачах локальной обработки сигналов // В мире научных открытий, 2010,- № 6.1.- С. 44— 47.

17. Кропотов Ю.А., Ермолаев В.А. Метод внутренней точки в задачах локальной обработки сигналов // В мире научных открытий, 2010.- № 6.1.- С. 47-50.

18. Кропотов Ю.А., Ермолаев В.А. Вопросы параметрического представления нестационарных сигналов // Проектирование и технология электронных средств, 2010.-№ 1.-С. 31-35.

19. Кропотов Ю.А. Повышение отношения сигнал/помеха в многоканальной системе передачи акустических сигналов при воздействии узкополосных помех // Информационные системы и технологии, 2011.- № 1.- С. 102-106.

20. Кропотов Ю.А., Ермолаев В.А. О моделировании акустических эхо-сигналов и электроакустической аналогии // Проектирование и технология электронных средств, 2011.- № 1.- С. 48 -51.

21. Кропотов Ю.А., Быков A.A. Аппроксимация закона распределения вероятности отсчетов сигналов акустических помех // Радиотехнические и телекоммуникационные системы, 2011. - №2(2). — С.61-63.

22. Кропотов Ю.А. Исследование влияния отношения сигнал/шум на значение слоговой разборчивости в системе телекоммуникаций // Радиопромышленность, 2012,-№1.-С. 81-89.

23. Кропотов Ю.А., Ермолаев В.А. Об адаптивном алгоритме наименьших квадратов в задачах компенсации акустического эха // Радиотехнические и телекоммуникационные системы, 2012. - №2. - С.40-44.

24. Кропотов Ю.А. Моделирование адаптивной линейной фильтрации повышения отношения сигнал/внешний акустический шум в системе обмена речевой информацией // Известия высших учебных заведений. Физика, 2012,- №8/2. - С. 35-37

Монографии

1. Кропотов Ю.А., Быков A.A. Исследование и разработка систем громкоговорящей связи в условиях воздействия акустических помех (монография) // Муром: Изд.-полиграфический центр МИ ВлГУ, 2011. - 107 е.: ил. + 3 табл. - Биб-лиогр.: 156 назв.

2. Кропотов Ю.А., Быков A.A. Проектирование помехозащищенных систем громкоговорящей связи (монография) // LAP LAMBERT Academic Publishing Gmbh & Со/ KG Dudweiler Landstr/ 99, 66123 Saarbrucken, Germany, 2011. - 151c.

3. Кропотов Ю.А., Ермолаев В.А., Проскуряков АЛО. Методы анализа сигналов в информационно-управляющих системах (монография) // LAP LAMBERT Academic Publishing AV AkademikerverlagGmbh & Co. KG Heinrich-Bocking-Str. 6-8, 66121 Saarbrucken, Deutschland, 2012. - 187 с.

Статьи в научных изданиях и в материалах конференций

1. Кропотов Ю.А. Определение доверительного интервала для расчета статистических характеристик речевого сигнала / Н.В. Вакунов, Ю.А. Кропотов, Н.Ю. Сапожников// Математические и технические средства обработки данных и знаний: научное издание / Под ред. проф. Садыкова С.С. - Ташкент, 1999.- С. 45-46.

2. Кропотов Ю.А. Цифровая обработка речевых сигналов в аналоговых системах связи / Методы и устройства передачи и обработки информации. Межвузовский сборник научных трудов. - СПб.: Гидрометеоиздат, 2001. - С. 121-123.

3. Кропотов Ю.А. Исследование математического ожидания, дисперсии и функции автокорреляции речевого сигнала / A.A. Быков, Ю.А. Кропотов // Математическое и программное обеспечение вычислительных систем: межвуз. сб. науч. тр.-Рязань: РГРТА, 2005,-С. 153-155.

4. Кропотов Ю.А., Быков A.A. Погрешность при определении закона распределения вероятности амплитуд речевого сигнала // Математическое и программное обеспечение вычислительных систем: Межвуз. сб. науч. тр. / Под ред. А.Н.Пылькина- М.: Горячая линия-Телеком, 2006. -С. 70 - 74.

5. Кропотов Ю.А. Исследование аппроксимаций формы энергетического спектра речевого сигнала / A.A. Быков, Ю.А. Кропотов // Методы и устройства передачи и обработки информации: межвуз. сб. науч. тр.; под ред. В.В. Ромашо-ва.—Вып. 10. -М.: Радиотехника, 2008.-С. 199-205.

6. Кропотов Ю.А. Спектральный анализ речевых сигналов на конечных интервалах / A.A. Быков, Ю.А. Кропотов // Методы и устройства передачи и обработки информации: межвуз. сб. науч. тр.; под ред. В.В. Ромашова.—Вып. 10.-М.: Радиотехника, 2008.-С. 205-209.

7. Кропотов Ю.А., Кульков Я.Ю. Разработка системы громкоговорящей связи с высоким уровнем разборчивости речи // Материали за 4-а международна

научна практична конференция «Научно пространство на Европа — 2008», София, 15 - 30 април 2008година. Том 2007, Технологии. - София, «Бял ГАД-БГ», С. 10-13.

8. Кропотов Ю.А., Быков А.А. Аппроксимация огибающей энергетического спектра речевого сигнала // Proceedings of 18-th International Crimean Conference "Microwave & Telecommunication Technology". Sevastopol, Ukraine. 2008, v.l, P. 305-307. ISBN 966-322-006-6.

9. Кропотов Ю.А., Ермолаев B.A., Проскуряков А.Ю. Итерационные методы локально-оптимальной обработки сигналов и характеристики чувствительности // Proceedings of 19-th International Crimean Conference "Microwave & Telecommunication Technology". Sevastopol, Ukraine. 2009, v.l, P. 384-386. IEEE Catalog Number CFP 09788, ISBN 978-966-335-248-0.

10. Кропотов Ю.А., Быков A.A., Ермолаев В.А. О методах локально-оптимального представления сигналов на конечных интервалах: спектральный анализ и характеристики качества.// Proceedings of 19-th International Crimean Conference "Microwave & Telecommunication Technology". Sevastopol, Ukraine. 2009, v.l, P. 387-390. IEEE Catalog Number CFP 09788, ISBN 978-966-335-248-0.

11. Кропотов, Ю.А. Разработка корабельной оперативно-командной телекоммуникационной системы связи с использованием сетевых технологий. Отчет о НИР (заключительный). Н.р. Кропотов Ю.А. Исполнители: Кропотов Ю.А., Ермолаев В.А., Бейлекчи Д.В., Кульков Я.Ю., Быков А.А., Проскуряков А.Ю. № гос. регистрации 01200809610. УДК 621.391. 2008.12.09. 153 с. // Сборник рефератов НИОКР и диссертаций. - М.: ФГНУ ЦИТиС. 2010 г. - Серия 19 №3.-инв. номер 02200805571.

12. Кропотов Ю.А., Ермолаев В.А. Исследование параметров моделей акустических эхо-сигналов методом корреляционного оценивания // Proceedings of 20-th International Crimean Conference "Microwave & Telecommunication Technology". Sevastopol, Ukraine. 2010, v.l, P. 422 - 423. IEEE Catalog, Number CEP10788, ISBN 978-966-335-329-6.

13. Kropotov, Ju. A. Identification of Models for Discrete Linear Systems with Variable, Slowly Varying Parameters / V.A. Ermolaev, V.T. Eremenko, O.E. Karasev, Ju.A. Kropotov // Journal of Communications Technology and Electronics, New York, -2010-vol.55, №1 -P. 52-57.

14. Kropotov, Y.A. Management of the chanel suppression hindrances in multichannel systems of transfer acoustic signals / Y.A. Kropotov // Proceedings of First Russia and Pacific Conference on Computer Technology and Applications. Vladi-vistok: IACP FEB RAS, 2010,-P. 399-400.

15. Кропотов Ю.А., Ермолаев В.А. Оценивание акустических тональных сигналов методами линейной и нелинейной регрессии // Радиотехнические и телекоммуникационные системы, 2011.-№ 1 (1).- С. 71—73.

16. Кропотов Ю.А., Ермолаев В.А. О параметрическом представлении нестационарных акустических сигналов / Y.A. Kropotov, V.A. Ermolaev // Proceedid-ings of International Siberian Conference on Control and Communication. Krasnoyarsk. Russian, September 2011. - P. 316-318.

17. Кропотов Ю.А Многоканальный адаптивный алгоритм подавления акустических помех методом ДПФ в системах обмена речевыми сообщениями //

Proceedings of 22-th International Crimean Conference "Microwave & Telecommunication Technology". Sevastopol, Ukraine. 2012, v.2, P. 863-864. IEEE Catalog Number CFP12788-PRT, ISBN 978-966-335-374-6.

Патенты

1. Пат. 69361 Российская Федерация, МПК Н04В13/00 (2006.01). Система внутрикорабельной громкоговорящей связи / Ю.А. Кропотов, Я.Ю. Кульков. Заявители и патентообладатели Кропотов Ю.А., Кульков Я.Ю -№ 2007130589/22; заявл. 09.08.2007; опубл. 10.12.2007. Бюл. №34.

2. Пат. 68208 Российская Федерация, МПК H03G5/16 (2006.01). Устройство автоматического управления формой спектра речевого сигнала в системах громкоговорящей связи / Ю.А. Кропотов, Я.Ю. Кульков. Заявители и патентообладатели Кропотов Ю.А., Кульков Я.Ю - №2007126688/22; заявл. 12.07.2007; опубл. 10.11.2007. Бюл. №31.

3. Пат. 68680 Российская Федерация, МПК G01B15/02 (2006.01). Устройство измерения характеристик акустических сигналов / Ю.А. Кропотов, Я.Ю. Кульков. Заявители и патентообладатели Кропотов Ю.А., Кульков Я.Ю -№ 2007131142/22; заявл. 15.08.2007; опубл. 27.11.2007. Бюл. №33.

4. Пат. 91437 Российская Федерация, МПК G01R17/02 (2006.01). Устройство компенсации акустических эхо-сигналов в системах громкоговорящей связи. / Быков А.А., Ермолаев В.А., Кропотов Ю.А. Заявители и патентообладатели Быков А.А., Ермолаев В.А., Кропотов Ю.А.-№ 2009139045/22; заявл. 22.10.2009; опубл. 10.02.2010. Бюл. №4.

5. Пат. 91490 Российская Федерация, МПК Н04В1/10 (2006.01). Устройство подавления сосредоточенных акустических помех. / Быков А.А., Ермолаев В.А., Кропотов Ю.А., Лазарев Л.С., Проскуряков А.Ю. Заявители и патентообладатели Быков А.А., Ермолаев В.А., Кропотов Ю.А., Лазарев Л.С., Проскуряков А.Ю. -№ 2009135220/22; заявл. 21.09.2009; опубл. 10.02.2010. Бюл. №4.

6. Пат. 2477533 Российская Федерация, МПК G10L 19/06 (2013.01), Н04В 1/10 (2006.01). Способ многоканального адаптивного подавления акустических шумов и сосредоточенных помех и устройство для его осуществления. / Кропотов Ю.А.. Заявитель и патентообладатель Кропотов Ю.А. — №2011116625/08; заявл. 26.04.2011; опубл. 10.03.2013. Бюл. №7.

КРОПОТОВ ЮРИЙ АНАТОЛЬЕВИЧ

МОДЕЛИ И МЕТОДЫ ОБРАБОТКИ АУДИОСИГНАЛОВ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ В СЛОЖНОЙ ПОМЕХОВОЙ ОБСТАНОВКЕ

Автореферат диссертации на соискание ученой степени доктора технических наук

Подписано в печать 09.07.2013. Формат 60x84/16. Гарнитура «Тайме». Печать офсетная. Усл. печ.л. 1,97. Тираж 100 экз.

Отпечатано в типографии ОАО «Муромский радиозавод» Адрес: 602264, Владимирская обл., г. Муром, ул. РЗШ, 23

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

МУРОМСКИЙ ИНСТИТУТ (ФИЛИАЛ) федерального государственного бюджетного образовательного учреждения высшего профессионального образования «ВЛАДИМИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИМЕНИ АЛЕКСАНДРА ГРИГОРЬЕВИЧА И НИКОЛАЯ ГРИГОРЬЕВИЧА

05201351836

Кропотов Юрий Анатольевич

МОДЕЛИ И МЕТОДЫ ОБРАБОТКИ АУДИОСИГНАЛОВ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ В СЛОЖНОЙ ПОМЕХОВОЙ ОБСТАНОВКЕ

Диссертация на соискание ученой степени доктора технических наук по специальности 05.12.13 - Системы, сети и устройства телекоммуникаций

Научный консультант: д.т.н., профессор Парамонов А.А.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ..................................................................................................................6

1. СОВРЕМЕННЫЕ ТРЕБОВАНИЯ И АЛГОРИТМЫ ОБРАБОТКИ АУДИОСИГНАЛОВ В ОПЕРАТИВНО-КОМАНДНЫХ СИСТЕМАХ ТЕЛЕКОМУНИКАЦИЙ...........................................................................................17

1.1. Современное состояние телекоммуникационных систем аудио обмена информацией............................................................................................................17

1.2. Требования, предъявляемые к оперативно-командным системам телекоммуникационного обмена речевой информацией...................................20

1.2.1. Методы оценки слоговой разборчивости в системах передачи речевых сигналов......................................................................................................................21

1.2.2. Параметры телекоммуникационной системы, влияющие на слоговую разборчивость передачи речевых сообщений........................................................23

1.2.3. Внешние факторы, влияющие на слоговую разборчивость передачи речевых сообщений, и современные алгоритмы обработки................................25

1.3. Сигналы и помехи в телекоммуникационных системах аудио обмена.......28

1.3.1 Внешние акустические помехи в системах аудио обмена...........................28

1.3.2 Речевые сигналы в системах обмена аудио информацией..........................35

1.4. Модели аудиосигналов и методы их оценивания..............................................38

1.5. Модели эхо-сигналов и структуры абонентских устройств в оперативно-командных телекоммуникационных системах ГГС...........................................47

1.6. Оценки характеристик стационарных сигналов в телекоммуникационных системах передачи речи..........................................................................................50

1.7. Оценивание нестационарных сигналов в телекоммуникационных системах передачи речи...........................................................................................................52

1.8. Задачи повышения эффективности телекоммуникационных систем обмена речевыми сообщениями.........................................................................................55

2. ОЦЕНИВАНИЕ ФУНКЦИЙ РАСПРЕДЕЛЕНИЯ СИГНАЛОВ В ДИСПЕТЧЕРСКО-ТЕХНОЛОГИЧЕСКИХ СИСТЕМАХ СВЯЗИ......................57

2.1. Методы оценивания распределения плотности вероятности речевых сигналов и помех.....................................................................................................57

2.2. Регуляризация некорректной задачи оценивания плотности вероятности речевых сигналов и помех.....................................................................................65

2.3. Методы оценивания параметризованной функции плотности........................74

2.4. Основные выводы по восстановлению плотности распределения...................80

3. КОРРЕЛЯЦИОННЫЕ И СПЕКТРАЛЬНЫЕ ХАРАКТЕРИСТИКИ СИГНАЛОВ В ДИСПЕТЧЕРСКО-ТЕХНОЛОГИЧЕСКИХ СИСТЕМАХ ПЕРЕДАЧИ РЕЧЕВЫХ СООБЩЕНИЙ.................................................................81

3.1. Моментные и спектральные функции сигналов в системах передачи речевых сообщений................................................................................................................81

3.2. Спектральный анализ сигналов в системах передачи речевых сообщений... 89

3.3. Корреляционные характеристики сигналов в телекоммуникационных системах передачи речевых сообщений.....................................................................95

3.4. Общие выводы по корреляционному и спектральному анализу сигналов в диспетчерско-технологических системах обмена речевыми сообщениями.......103

4. ПАРАМЕТРИЧЕСКИЙ АНАЛИЗ И МОДЕЛИРОВАНИЕ СИГНАЛОВ В ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМАХ ПЕРЕДАЧИ РЕЧЕВЫХ СООБЩЕНИЙ.........................................................................................................104

4.1. Вопросы моделирования сигналов в системах передачи

речевых сообщений.....................................................................................................104

4.2. Функции регрессии и метод наименьших квадратов в задачах параметрического моделирования сигналов в системах обмена речевыми сообщениями................................................................................................................115

4.3. Алгоритм сглаживания данных, представленных выборками речевого сигнала...........................................................................................................................122

4.4 Алгоритм идентификации модели помехи с медленно изменяющимися параметрами.................................................................................................................135

4.5 Общие выводы по параметрическому моделированию и идентификации медленно изменяющихся параметров сигналов в телекоммуникационных системах передачи речевых сообщений...................................................................144

3

5. СТАТИСТИЧЕСКИЕ МОДЕЛИ РЕЧЕВЫХ СИГНАЛОВ И ПОМЕХ В

ОПЕРАТИВНО-КОМАНДНЫХ СИСТЕМАХ ТЕЛЕКОММУНИКАЦИЙ.....145

5.1. Модель одномерной функции плотности вероятности речевых сигналов... 145

5.1.1. Алгоритм гистограммной оценки функции плотности вероятности речевого сигнала......................................................................................................145

5.1.2. Восстановление плотности вероятности речевого сигнала по эмпирическим данным....................................................................................................................148

5.1.3. Алгоритм аппроксимации гистограммы речевого сигнала многочленом по системе экспоненциальных функций.................................................................151

5.2. Автокорреляционные функции речевых сигналов..........................................157

5.2.1. АКФ речевых сигналов на конечных интервалах.........................................157

5.2.2. Математическая модель АКФ речевых сигналов.........................................162

5.3. Модели характеристик внешних помех в системах телекоммуникаций обмена аудио информацией.................................................................................165

5.3.1. Модель одномерной функции плотности вероятности внешних шумовых помех в оперативно-командных системах телекоммуникаций..........................165

5.3.2. Автокорреляционная функция внешних шумовых помех в системах телекоммуникаций передачи речевых сообщений..............................................169

5.4. Исследование спектральных характеристик сигналов в системах телекоммуникаций................................................................................................172

5.4.1. Спектральные характеристики сигналов на конечных интервалах.........172

5.4.2. Алгоритмы исследования форм спектральной плотности с помощью кратковременного ДПФ..........................................................................................174

5.4.3. Результаты исследования спектральных характеристик речевых сигналов с помощью алгоритмов кратковременных ДПФ.................................................176

5.5. Спектральная плотность мощности внешних шумовых помех в системах оперативно-командной связи...............................................................................182

5.6. Выводы...................................................................................................................184

6. МЕТОДЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ ОБМЕНА

АУДИОИНФОРМАЦИЕЙ.....................................................................................187

4

6.1. Исследование влияния отношения сигнал/шум на значение слоговой разборчивости в системе телекоммуникаций обмена

речевыми сообщениями.......................................................................................187

6.2. Адаптивная линейная фильтрация в задаче повышения отношения сигнал/шум в системах обмена речевой информацией....................................193

6.3. Метод рекуррентной адаптивной компенсации эха по конечному числу выборок в пределах скользящего кадра данных...............................................199

6.4. Метод корреляционно-экстремального оценивания параметров эхо-сигналов...........................................................................................................205

6.5. Выводы...................................................................................................................210

7. РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ, ПОВЫШАЮЩИХ

ЭФФЕКТИВНОСТЬ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ ОБМЕНА

АУДИОИНФОРМАЦИЕЙ.....................................................................................211

7.1. Адаптивная компенсация и многоканальная обработка эхо-сигналов.........211

7.2. Адаптивный многоканальный алгоритм подавления аддитивных акустических помех..............................................................................................219

7.3. Оптимизация полос фильтрации по критерию совместной вероятности формантных составляющих и составляющих помех в многоканальных алгоритмах обработки...........................................................................................225

7.4. Алгоритм адаптивного подавления акустических помех с формантным распределением полос режекции........................................................................229

7.5. Способ и алгоритм адаптивной фильтрации речевых сигналов и подавления акустических помех методами ДПФ..................................................................232

7.6. Сравнительный анализ эффективности предложенных алгоритмов шумоподавления и эхо-компенсации.................................................................236

ЗАКЛЮЧЕНИЕ.......................................................................................................238

ЛИТЕРАТУРА.........................................................................................................239

ПРИЛОЖЕНИЕ А. АКТЫ ВНЕДРЕНИЯ............................................................269

ВВЕДЕНИЕ

Актуальность темы диссертации. Современный этап развития дис-петчерско-технологических оперативно-командных систем телекоммуникаций характеризуется существенной интеграцией и повышением их функциональной насыщенности, характеризуется переходом на новые информационные технологии. Современные диспетчерско-технологические системы телекоммуникаций, в том числе оперативно-командные системы громкоговорящей связи (ГГС) получили все более широкое применение на многофункциональных объектах, в системах массового обслуживания. Современные системы телекоммуникаций имеют сетевую распределенную структуру в виде многоканальной системы передачи цифровой информации с увеличенной пропускной способностью сетей с применением высокоскоростных технологий Ethernet или ISDN вследствие требований на значительное число абонентских постов обмена.

Передача информации на стационарных и подвижных многофункциональных объектах может осуществляться множеством способов, но при этом передача аналоговой аудиоинформации, то есть передача речевых сообщений, остается важным средством обеспечения оперативного управления, обеспечения надежного функционирования сложных объектов. Во многих случаях, особенно в чрезвычайных ситуациях, передаваемая аудиоинформация имеет вид коротких управляющих сообщений, что предъявляет повышенные требования к характеристикам систем, таким как разборчивость и корректность понимания смысла сообщения, от которых зависит управляемость объекта в целом. Поэтому оперативно-командные системы аудиообме-на должны быть эффективными, должны обеспечивать достоверное и оперативное доведение командной информации, передаваемые речевые сообщения должны полностью восприниматься абонентом.

В настоящее время такие системы представляют собой объект активных теоретических исследований. Исследователи, используя новый техноло-

гический уровень, обратились к созданию моделей алгоритмов высоких порядков, которые в условиях развития микроэлектроники стали практически реализуемыми.

Исследованиям вопросов повышения эффективности передачи информации речевыми сигналами в системах телекоммуникаций посвящено достаточно большое число работ отечественных и зарубежных авторов. Потребность в таких исследованиях и разработке новых концепций и новых алгоритмов обработки сигналов объясняется наличием факторов, понижающих эффективность функционирования систем телекоммуникаций аудиообмена. К таким факторам относятся внешние акустические помехи, акустические шумы, акустические сосредоточенные помехи, внешние акустические эхо-сигналы, которые характеризуются значительной интенсивностью.

Вопросам разработки теоретических основ создания систем телекоммуникаций передачи речевой информации посвящено достаточно много трудов известных авторов:

- в области исследования речевых сигналов - Сапожков М.А., Фланаган Дж. Л., Вемян Г.В., Покровский П.Б., Михайлов В.Г. и др;

- в области адаптивной фильтрации, компенсации и адаптивного управления - Цыпкин Я.З., Граничин О.Н., Фрадков А.Л., Уидроу Б и др.;

- в области спектрального анализа, цифровой обработки сигналов и временных рядов - Оппенгейм А., Хеннан Э. , Величкин А.И., Гоулд Б. , Ра-бинер Л.Р., Шафер Р.Ф., Назаров М.В., Прохоров Ю.Н. и др.;

- в области построения систем телекоммуникаций обмена аудиоинформацией, систем цифровой речевой связи, реализации систем оперативно-командной связи - Ланнэ A.A., Бабкин В.В., Директоров Н.Ф., Катанович A.A., Нероба Г.С. и др.

Решение многих из приведенных вопросов основано на методах оптимизации, рассмотренных в работах Поляка Б.Т., Нестерова Ю.Е., Вандербер-га Л. и др. С их помощью решаются задачи параметрического анализа, синтеза и интеграции систем. Развитая в работах Катковника В.Я. теория позволя-

ет решать задачи локальной аппроксимации и сглаживания сигналов. Предложенные ими методы делают возможным получение решений при самых общих функциональных ограничениях, налагаемых на сигналы и помехи.

Вместе с тем, известные алгоритмы обработки речевых сигналов на фоне комплекса интенсивных акустических помех не обеспечивают необходимую степень подавления помех. Поэтому вопросы повышения качества систем телекоммуникационного обмена аудиоинформацией, вопросы эффективного подавления внешних акустических помех в системах аудиообмена требуют дальнейших исследований, разработки новых методов и алгоритмов, требуют решения задач создания более точных моделей речевых сигналов, новых методов оценивания параметров помех, новых моделей алгоритмов адаптивного подавления и компенсации, новых алгоритмов обработки и фильтрации.

Объект исследования - системы телекоммуникаций обмена речевыми сообщениями, в том числе системы громкоговорящей связи, обеспечивающие обмен аудиоинформацией в сложной помеховой обстановке.

Предмет исследования - модели сигналов, методы, алгоритмы обработки, повышающие эффективность передачи информации речевыми сообщениями в телекоммуникационных системах аудиообмена.

Цель диссертационной работы - разработка моделей и методов обработки аудиосигналов с целью создания алгоритмов подавления внешних акустических помех и компенсации эхо-сигналов, повышающих эффективность телекоммуникационных систем аудиообмена в сложной помеховой обстановке.

Для достижения сформулированной цели были поставлены и решены следующие задачи:

1. Анализ факторов, влияющих на эффективность обмена аудиоинформацией в системах телекоммуникаций.

2. Анализ требований к оцениванию эффективности систем обмена речевыми сообщениями, систем обмена аудиоинформацией. Разработка реко-

мендаций по применению методов, критериев, параметров, оценивающих эффективность функционирования систем передачи аудиоинформации.

3. Разработка и исследование моделей наиболее характерных внешних помех: акустических шумов, акустических эхо-сигналов, акустических сосредоточенных помех.

4. Разработка и исследование новых моделей речевых сигналов с применением методов оптимизации, локальной аппроксимации, теории случайных процессов.

5. Разработка алгоритмов обработки сигналов с эффективным понижением влияния внешних акустических шумовых и других видов помех на ау-диообмен информацией в системах телекоммуникаций.

6. Исследование вопросов оценивания долговременных параметров модели внешних помех - эхо-сигналов и разработка на основе этой модели алгоритмов эхо-компенсации с более высокими результатами компенсации по сравнению с известными алгоритмами.

Методы исследования базируются на обобщенных методах параметрической оптимизации, локальной аппроксимации, идентификации и адаптивной компенсации помех; математическом аппарате спектрального анализа и цифровой обработки сигналов, теории случайных процессов, интерполяционной и экстраполяционной аппроксимации, на аппарате статистического анализа временных рядов и теории матриц.

Научная новизна и теоретическая значимость полученных результатов заключается в том, что:

1. Установлено, что плотность вероятности речевых сигналов в системах телекоммуникаций аудиообмена наиболее адекватно описывается впервые введенной функцией в виде многочлена третьего порядка по системе экспоненциальных функций, полученной путем решения задачи оптимизации с ограничениями, в рамках которой обеспечивается аппроксимация с более низкой погрешностью по сравнению с известными моделями.

2. Установлено, что плотность вероятности внешних акустических шумов наиболее адекватно описывается впервые введенной функцией в виде многочлена третьего порядка по системе функций гауссовых кривых, основанной на методе локальной аппроксимации, обеспечивающей погрешность аппроксимации менее 4,8 %.

3. Предложен и исследован метод моделирования канала фильтром с АЧХ прямоугольной фо�