一種無(wú)線電話音信號(hào)時(shí)差估計(jì)方法

?

一種無(wú)線電話音信號(hào)時(shí)差估計(jì)方法

李寶林1,**,文飛2,李佳1

(1.西華師范大學(xué) 計(jì)算機(jī)學(xué)院,四川 南充 637008;2. 空軍工程大學(xué) 空管領(lǐng)航學(xué)院,西安 710051)

摘要：無(wú)線電話音信號(hào)的時(shí)差估計(jì)一直是個(gè)難題,其主要原因有話音信號(hào)帶寬較窄且非平穩(wěn)、在時(shí)域上具有非連續(xù)性及無(wú)線電信道(特別是短波信道)衰落的非一致性。針對(duì)上述特點(diǎn),提出了使用短時(shí)處理技術(shù)來(lái)估計(jì)兩路信號(hào)互相關(guān)譜的線性相位的無(wú)線電話音信號(hào)時(shí)差估計(jì)方案。新方案融合了話音激活檢測(cè)技術(shù)和短時(shí)分段處理技術(shù),并使用加權(quán)最小二乘相位擬合方法來(lái)求解時(shí)差。對(duì)比實(shí)驗(yàn)表明新方案的時(shí)差估計(jì)效果顯著優(yōu)于經(jīng)典的廣義互相關(guān)算法。

關(guān)鍵詞：短波通信；時(shí)差估計(jì)；無(wú)線電話音信號(hào)；短時(shí)分析；話音激活檢測(cè)；無(wú)源定位

1引言

時(shí)差估計(jì)是現(xiàn)代信號(hào)處理中信號(hào)檢測(cè)和參數(shù)提取的一個(gè)重要組成部分,廣泛應(yīng)用于探測(cè)、通信、生物醫(yī)學(xué)和地球物理等領(lǐng)域[1]。特別地,時(shí)差估計(jì)是輻射源跟蹤和定位系統(tǒng)(如雷達(dá)和聲納等)中的核心部分,時(shí)差估計(jì)的精度直接決定了目標(biāo)定位的精度。經(jīng)歷了過(guò)去幾十年的廣泛深入研究,時(shí)差估計(jì)技術(shù)目前已較為成熟。在眾多傳統(tǒng)的時(shí)差估計(jì)方法中,廣義互相關(guān)方法[2]較為經(jīng)典且應(yīng)用最廣泛。廣義互相關(guān)方法的基本思想是：首先,將兩路信號(hào)進(jìn)行白化處理(預(yù)濾波)；然后,把其中一路信號(hào)相對(duì)于另一路信號(hào)進(jìn)行時(shí)移,并利用互相關(guān)技術(shù)比較兩路信號(hào)的相似程度,相似程度最大的位移量(即兩路信號(hào)互相關(guān)的峰值位置)對(duì)應(yīng)時(shí)差的估計(jì)值。廣義互相關(guān)方法通過(guò)對(duì)接收信號(hào)進(jìn)行白化處理,使得兩路信號(hào)的相關(guān)峰更加尖銳,從而達(dá)到提高時(shí)差測(cè)量分辨能力和穩(wěn)定性的目的。在信號(hào)和噪聲都是高斯平穩(wěn)的獨(dú)立過(guò)程的假設(shè)下,廣義互相關(guān)算法是最優(yōu)的時(shí)差估計(jì)算法,其估計(jì)方差漸進(jìn)地逼近克拉美勞下限[3-4]。

無(wú)線電話音信號(hào)是無(wú)線電通信中一種常見的信號(hào),如短波、超短波電臺(tái)話音信號(hào)。無(wú)線電話音信號(hào)時(shí)差估計(jì)的主要應(yīng)用場(chǎng)景有兩個(gè)方面。一是遠(yuǎn)距離(數(shù)千到上萬(wàn)公里)短波通信中話音信號(hào)的廣域分集接收。由于電離層的不穩(wěn)定性,遠(yuǎn)距離短波通信的穩(wěn)定性通常較差。為了提高此類通信的穩(wěn)定性,一種可行的方案是使用多個(gè)廣域分布的接收器來(lái)分集接收同一個(gè)短波信號(hào)。其中,接收器之間相距足夠遠(yuǎn)(如數(shù)百到數(shù)千公里),以使得不同接收器對(duì)應(yīng)的短波信道相互獨(dú)立。最終,通過(guò)對(duì)多個(gè)接收器的輸出進(jìn)行分集合并來(lái)改善通信效果。在這個(gè)過(guò)程中,需要估計(jì)出不同接收器輸出信號(hào)之間的相對(duì)時(shí)差用于信號(hào)的合并。二是無(wú)線電話音信號(hào)源的跟蹤和定位，主要用于對(duì)無(wú)線電臺(tái)的偵察定位,是電子對(duì)抗中電子偵察的一個(gè)重要組成部分。

在實(shí)際應(yīng)用環(huán)境中,廣義互相關(guān)算法估計(jì)無(wú)線電話音信號(hào)時(shí)差的效果并不理想,其主要原因是：一是話音信號(hào)帶寬較窄,其能量主要集中在50 Hz～2 kHz；二是話音信號(hào)非平穩(wěn)且在時(shí)域上具有非連續(xù)性；三是實(shí)際無(wú)線電(特別是短波)信道衰落的非一致性使得同一話音信號(hào)在不同接收器輸出之間的相關(guān)性顯著下降。針對(duì)上述特點(diǎn),本文提出了一種新的無(wú)線電話音信號(hào)時(shí)差估計(jì)方案。新方案融合了話音激活檢測(cè)技術(shù)和短時(shí)分段處理技術(shù),并使用加權(quán)最小二乘相位擬合方法來(lái)求解時(shí)差：首先,針對(duì)話音信號(hào)的時(shí)域非連續(xù)性,新方案使用話音激活檢測(cè)技術(shù)來(lái)提取信號(hào)中的話音片段,以減輕噪聲的影響來(lái)提高時(shí)差估計(jì)的穩(wěn)定性；其次,針對(duì)語(yǔ)音信號(hào)的非平穩(wěn)性和信道的非一致性,新方案使用短時(shí)處理技術(shù)來(lái)更好地估計(jì)兩路信號(hào)互相關(guān)譜的線性相位,具有很強(qiáng)的相位野值抑制能力；最后,基于估計(jì)得到的互相關(guān)譜線性相位,新方案使用加權(quán)最小二乘相位擬合方法來(lái)快速求解時(shí)差。文章最后給出了新方案與廣義互相關(guān)方法的對(duì)比實(shí)驗(yàn)結(jié)果,證明了新方案的有效性。

2信號(hào)模型和廣義互相關(guān)算法

這里假設(shè)沒(méi)有多徑和多普勒頻移,且忽略信號(hào)解調(diào)過(guò)程中的頻差。兩個(gè)接收器接收到的基帶話音信號(hào)可以表示為

x1(t)=A1(t)s(t)+n1(t),

x2(t)=A2(t)s(t-τ)+n2(t)。

(1)

式中,s(t)為基帶話音信號(hào)源；τ為信號(hào)源到達(dá)兩個(gè)接收器的相對(duì)時(shí)差；n1(t)和n2(t)為相互獨(dú)立的零均值高斯白噪聲,并且都獨(dú)立于s(t)；A1(t)和A2(t)是兩個(gè)信道的幅度衰落函數(shù),這里假設(shè)A1(t)和A2(t)是慢變的,即在較短的時(shí)間段內(nèi)可以假設(shè)A1(t)=A1和A2(t)=A2,其中A1和A2為常數(shù)。

設(shè)xi(t)的傅里葉變換為

(2)

式中，i=1,2；k=1,2，…，K。廣義互相關(guān)算法通過(guò)搜索下式的最大值來(lái)估計(jì)時(shí)差：

(3)

式中,Wi(ωk)是與信號(hào)和噪聲的統(tǒng)計(jì)信息相關(guān)的加權(quán)函數(shù)。在實(shí)際工程應(yīng)用中,信號(hào)和噪聲的先驗(yàn)信息通常是未知的,因而通常用信號(hào)和噪聲統(tǒng)計(jì)的估計(jì)值來(lái)代替加權(quán)函數(shù)中涉及的統(tǒng)計(jì)理論值。

3基于話音檢測(cè)和短時(shí)分段處理的話音信號(hào)時(shí)差估計(jì)方案

基于話音檢測(cè)和短時(shí)分段處理的話音信號(hào)時(shí)差估計(jì)方案融合了話音激活檢測(cè)技術(shù)和短時(shí)分段處理技術(shù),并使用加權(quán)最小二乘相位擬合方法來(lái)求解時(shí)差。本節(jié)將詳細(xì)介紹新方案的實(shí)施步驟。

3.1話音激活檢測(cè)預(yù)處理

話音激活檢測(cè)又叫有聲無(wú)聲檢測(cè)[5-7],主要用來(lái)檢測(cè)話音信號(hào)中存在話音的部分,它在語(yǔ)音識(shí)別、語(yǔ)音編碼、語(yǔ)音增強(qiáng)中都有廣泛的應(yīng)用。利用話音激活檢測(cè)技術(shù)對(duì)語(yǔ)音片段進(jìn)行拼接后再進(jìn)行時(shí)差估計(jì),可以減小語(yǔ)音非占空時(shí)的噪聲影響。

假設(shè)噪聲為不相關(guān)的高斯白噪聲,對(duì)于每段信號(hào)有如下兩個(gè)假設(shè):

H0:語(yǔ)音不存在：X=N;

H1:語(yǔ)音存在：X=N+S。

(4)

式中,S、N和X分別是語(yǔ)音信號(hào)、噪聲和接收信號(hào)片段的K維離散傅里葉系數(shù)向量,并且記它們的第k個(gè)元素分別為S(ωk)、N(ωk)和X(ωk)。假設(shè)語(yǔ)音信號(hào)與噪聲都是獨(dú)立的高斯過(guò)程,則在似然比的幾何意義下最終的判決算法可表示為[5]

(5)

式中,η為似然比判決門限,γk=|X(ωk)|2/λN(k)為后驗(yàn)信噪比,λN(k)表示噪聲頻譜N(ωk)的方差。

上述算法利用了語(yǔ)音信號(hào)與噪聲之間頻譜分布的差異性,在高斯分布假設(shè)下通過(guò)計(jì)算式(4)中兩種情況下的似然比來(lái)判決是語(yǔ)音還是噪聲。圖1顯示了一段話音信號(hào)的話音激活檢測(cè)輸出。由于時(shí)差信息只包含在話音激活片段中,因此只使用話音激活信號(hào)片段能有效減輕噪聲片段對(duì)時(shí)差估計(jì)的影響。

圖1　一段語(yǔ)音信號(hào)的話音激活檢測(cè)輸出

3.2短時(shí)分段處理

由于話音信號(hào)是一種非平穩(wěn)信號(hào),因此一般不用平穩(wěn)信號(hào)的處理方法來(lái)進(jìn)行處理[4]。研究表明，語(yǔ)音的產(chǎn)生與肌肉運(yùn)動(dòng)的變化有關(guān),而這種變化相對(duì)來(lái)說(shuō)是慢變的,即可認(rèn)為在一個(gè)較短的時(shí)間范圍內(nèi)語(yǔ)音的特性基本保持穩(wěn)定(即此時(shí)間段內(nèi)語(yǔ)音是相對(duì)平穩(wěn)的)?；谶@種思想,人們通常使用短時(shí)處理技術(shù)來(lái)處理語(yǔ)音信號(hào)。

在實(shí)際應(yīng)用環(huán)境中,使用短時(shí)分段平均的方法還可以有效地抑制噪聲野值和干擾?；谠捯艏せ顧z測(cè)的輸出,我們使用短時(shí)分段平均的方法來(lái)估計(jì)兩通道信號(hào)之間的頻域互相關(guān)譜。具體地,假設(shè)接收器i輸出的數(shù)據(jù)長(zhǎng)度為N,i=1,2,把此數(shù)據(jù)分為L(zhǎng)段,每段長(zhǎng)度為N/L,對(duì)L段數(shù)據(jù)分別進(jìn)行傅里葉變換得到其頻域數(shù)據(jù)Xi,l(ωk)：

(6)

式中，l=1,，2，…,L,w(n-m)是窗函數(shù)。隨后計(jì)算兩通道對(duì)應(yīng)段數(shù)據(jù)的互相關(guān)譜

圖2是分段平均(取中值)求兩路話音信號(hào)(經(jīng)話音激活預(yù)處理的拼接數(shù)據(jù))相位差值(即平均互相關(guān)譜的相位)的示意圖,詳細(xì)的實(shí)驗(yàn)設(shè)置見第4節(jié)。可以看到使用短時(shí)分段平均的方法可以有效抑制相位野值,使兩通道信號(hào)的相位差趨近于線性相位。

圖2　兩通道信號(hào)分段平均估計(jì)的相位差值

3.3加權(quán)最小二乘相位擬合算法

利用兩通道信號(hào)互相關(guān)譜的線性相位測(cè)量來(lái)估計(jì)時(shí)差是常用的簡(jiǎn)單且實(shí)用的時(shí)差估計(jì)方法[8-9]。在噪聲統(tǒng)計(jì)獨(dú)立和非散射信號(hào)源的理想情況下,利用兩通道信號(hào)的線性相位差來(lái)估計(jì)時(shí)延和其他最優(yōu)時(shí)延估計(jì)算法具有一樣的精度。同時(shí),在非理想的情況下,利用相位數(shù)據(jù)來(lái)估計(jì)時(shí)延具有以下的潛在優(yōu)勢(shì)。例如,當(dāng)接收端噪聲為相關(guān)或相干噪聲時(shí),通過(guò)合理選擇頻率點(diǎn),利用相位數(shù)據(jù)的時(shí)差估計(jì)算法可以在一定程度上減少由于相關(guān)噪聲引起的估計(jì)偏差。

這里假設(shè)在較短的時(shí)間段內(nèi)信道衰落函數(shù)為常數(shù),即A1(t)=A1和A2(t)=A2,由信號(hào)模型(1)知,兩通道信號(hào)的互相關(guān)譜理論上可以表示為

GX1X2(ωk)=|A1|2|A2|2|S(ωk)|2ejωkτ+jc。

(7)

(8)

上式的最小二乘閉式解為

(9)

當(dāng)取W=I時(shí),I為單位矩陣,上式為標(biāo)準(zhǔn)的最小二乘估計(jì)。在實(shí)際的處理過(guò)程中,相位數(shù)據(jù)p由3.3節(jié)介紹的短時(shí)分段平均方法估計(jì)得到。與廣義互相關(guān)算法相比,相位擬合算法的優(yōu)勢(shì)在于不需要譜峰搜索,時(shí)差估計(jì)直接由式(9)求出。

4實(shí)驗(yàn)結(jié)果

本節(jié)給出本文方法與廣義互相關(guān)方法分別處理實(shí)驗(yàn)室采集信號(hào)的結(jié)果,對(duì)兩種方法的時(shí)差估計(jì)效果進(jìn)行了對(duì)比評(píng)估。新方案的實(shí)施步驟為：

(1)估計(jì)兩通道信號(hào)的信噪比,取信噪比較大的一路信號(hào)使用話音激活檢測(cè)技術(shù)進(jìn)行預(yù)處理,根據(jù)話音激活檢測(cè)的輸出分別截取兩通道信號(hào)對(duì)應(yīng)的語(yǔ)音片段并進(jìn)行拼接；

(2)基于話音激活檢測(cè)輸出,使3.2節(jié)中的短時(shí)分段平均方法估計(jì)兩通道信號(hào)的互相關(guān)譜；

(3)根據(jù)分段平均得到的互相關(guān)譜,提取互相關(guān)譜的相位并使用加權(quán)最小二乘相位擬合算法估計(jì)時(shí)差。新方法中信號(hào)分段長(zhǎng)度為60 ms。在互相關(guān)算法的實(shí)施中,其搜索間隔為40 ns,然后,在搜索得到的互相關(guān)峰值周圍進(jìn)行二階樣條插值來(lái)得到更好的分辨率。

在第一個(gè)外場(chǎng)實(shí)驗(yàn)中,使用兩個(gè)相距300 m的接收機(jī)同步接收一個(gè)近場(chǎng)對(duì)講機(jī)信號(hào),對(duì)講機(jī)信號(hào)為載波400 MHz的調(diào)幅話音信號(hào),接收信號(hào)解調(diào)到基帶后的采樣率為100 kHz。兩個(gè)接收機(jī)經(jīng)GPS授時(shí)同步采樣。對(duì)講機(jī)距兩個(gè)接收機(jī)天線的真實(shí)距離差為240 m,因此,由真實(shí)信號(hào)傳輸距離差引入的時(shí)差約為800 ns。

圖3顯示了采集的兩通道信號(hào)(已對(duì)信號(hào)進(jìn)行了2 kHz帶外濾波)話音激活檢測(cè)的輸出為矩形線框部分,圖4給出了本文方法的時(shí)差估計(jì)結(jié)果。可以看出,當(dāng)累計(jì)話音信號(hào)長(zhǎng)度超過(guò)0.6 s時(shí),新方案估計(jì)的時(shí)差收斂到真實(shí)值周圍±100 ns以內(nèi),并且隨著累計(jì)時(shí)間的增加趨于穩(wěn)定;互相關(guān)算法的時(shí)差估計(jì)結(jié)果(在互相關(guān)峰值周圍二階樣條插值后)為321.78 ns。通過(guò)對(duì)比可以看出,新方法的估計(jì)誤差遠(yuǎn)小于互相關(guān)算法。

圖3　外場(chǎng)采集信號(hào)的話音激活檢測(cè)輸出

圖4　新方法的時(shí)差估計(jì)結(jié)果(信號(hào)分段長(zhǎng)度為60 ms)

在第二個(gè)外場(chǎng)實(shí)驗(yàn)中,除發(fā)射源由對(duì)講機(jī)改為功率可控的數(shù)字發(fā)射機(jī)外,其他實(shí)驗(yàn)條件不變。在發(fā)射機(jī)三種不同發(fā)射功率下,分別對(duì)比互相關(guān)方法和新方法時(shí)差估計(jì)的精度。在每種發(fā)射功率情況下,接收信號(hào)按4 s每段分為50段,表1給出了上述兩種方法50次獨(dú)立實(shí)驗(yàn)的統(tǒng)計(jì)均方根誤差和三種情況下兩個(gè)接收機(jī)估計(jì)得到的信噪比。從表中可知,新方法的估計(jì)均方根誤差明顯小于經(jīng)典的互相關(guān)算法。

表1 發(fā)射機(jī)三種不同發(fā)射功率下兩種方法的

5結(jié)束語(yǔ)

無(wú)線電話音信號(hào)時(shí)差估計(jì)的難點(diǎn)在于話音信號(hào)帶寬較窄且非平穩(wěn),同時(shí)在時(shí)域上具有非連續(xù)性,以及無(wú)線電信道(特別是短波信道)衰落的非一致性。本文提出了一種穩(wěn)健的無(wú)線電話音信號(hào)時(shí)差估計(jì)方法,可用于此類信號(hào)的分集接收、跟蹤和定位。新方案融合了話音激活檢測(cè)技術(shù)和短時(shí)分段處理技術(shù),并使用加權(quán)最小二乘相位擬合方法來(lái)求解時(shí)差。外場(chǎng)實(shí)驗(yàn)結(jié)果表明新方法的表現(xiàn)明顯優(yōu)于傳統(tǒng)互相關(guān)算法。

參考文獻(xiàn)：

[1]Carter G C. Coherence and time delay estimation[J]. Proceedings of the IEEE,1987,75(2): 236-255.

[2]Knapp C H,Carter G C. The generalized correlation method for estimation of time delay[J]. IEEE Transactions on Acoustics,Speech,Signal Processing,1976,24(4): 320-327.

[3]Ianniello J P. Time delay estimation via cross-correlation in the presence of large estimation errors[J]. IEEE Transactions on Acoustics,Speech,Signal Processing,1982,30(6): 998-1003.

[4]王巍,熊瑾煜,朱中梁.多用戶環(huán)境下定位精度的克拉美羅下限與時(shí)延估計(jì)算法[J]. 電子學(xué)報(bào),2005,33(1):131-134

WANG Wei,XIONG Jinyu,ZHU Zhongliang,Cramer-Rao Low Bound for Location and Time Delay Estimation Algorithm in Multi-User Environments [J]. Acta Electronica Sinica,2005,33(1):131-134.(in Chinese)

[5]Sohn J,Kim N S,Sung W. A statistical model-based voice activity detection[J]. IEEE Signal Processing Letters,1999,6(1): 1-3.

[6]Shina J W,Changb J,Kim N S. Voice activity detection based on statistical models and machine learning approaches[J]. Computer Speech & Language,2010,24(3): 515-530.

[7]Ghosh P K,Tsiartas A,Narayanan S. Robust Voice Activity Detection Using Long-Term Signal Variability [J]. IEEE Transactions on Audio Speech and Language Processing,2011,19(3): 600-613.

[8]Tian X,Li R,Wang W. An Efficient Time Delay Estimation Algorithm for Multipath Signal of Distance Signal in TACAN System [J]. Journal of Electronics & Information Technology,2010,32(9): 2273-2276.

[9]Wen F,Wan Q,Luo L Y. Time-difference-of-arrival estimation for noncircular signals using information theory[J]. International Journal of Electronics and Communications,2013,67(3): 242-245.

李寶林(1976—),男,安徽太湖人, 2008年于四川大學(xué)獲博士學(xué)位,現(xiàn)為西華師范大學(xué)副教授,主要研究方向?yàn)槲锫?lián)網(wǎng)應(yīng)用;

LI Baolin was born in Taihu,Anhui Province,in 1976. He received the Ph.D. degree from Sichuan University in 2013. He is now an associate professor. His research concerns application of Interent of Things.

Email：scu_lbl@sina.com

文飛(1983—),男,四川閬中人,2013年于電子科技大學(xué)獲博士學(xué)位,現(xiàn)為空軍工程大學(xué)講師,主要研究方向?yàn)榻y(tǒng)計(jì)信號(hào)處理；

WEN Fei was born in Langzhong,Sichuan Province,in 1983. He received the Ph.D. degree from University of Electronic Science and Technology of China in 2013. He is now a lecturer. His research concerns statistical signal processing.

李佳(1982—),女,四川石棉人,講師,主要研究領(lǐng)域?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)。

LI Jia was born in Shimian,Sichuan Province,in 1982. She is now a lecturer.Her research concerns computer network.

引用格式：李寶林,文飛,李佳.一種無(wú)線電話音信號(hào)時(shí)差估計(jì)方法[J].電訊技術(shù),2015,55(6):629-633.[LI Baolin,WEN Fei,LI Jia.A Time Delay Estimation Method for Radio Speech Signals[J].Telecommunication Engineering,2015,55(6):629-633.]

A Time Delay Estimation Method for Radio Speech Signals

LI Baolin1,WEN Fei2,LI Jia1

(1.College of Computer,China West Normal University,Nanchong 637008,China;

2.School of Air Traffic Control and Navigation,Air Force Engineering University,Xi′an 710051,China)

Abstract：Time delay estimation(TDE) for radio speech signals has long been a difficult problem mainly due to the following reasons. First,the bandwidth of speech signal is very narrow. Second,speech signal is non-stationary and is not continuous in time. Third,the attenuation functions of different radio channels are not concordant,especially for shortwave channels. According to above features,this paper proposes a new TDE scheme for radio speech signals. The new scheme incorporates the voice activity detection and short time analysis techniques in estimating the cross-correlation(CC)spectra,and employs a weighted least square method to solve the time delay based on the phase of the estimated CC spectra.Comparative experiments show the new scheme is superror to classical generalized cross-correlation method.

Key words：HF communication;time delay estimation;radio speech signal;short time analysis;voice activity detector;passive localization

作者簡(jiǎn)介：

中圖分類號(hào)：TN912.3

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-893X(2015)06-0629-05

通訊作者：**sculbl@sina.com Corresponding author：sculbl@sina.com

收稿日期：*2014-12-05；修回日期：2015-04-15Received date:2014-12-05；Revised date：2015-04-15基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(61401501)；四川省科技支撐計(jì)劃項(xiàng)目(2013SZ0056)Foundation Item:The National Natural Science Foundation of China(No. 61401501);The Science & Technology Pillar Program of Sichuan Province(2013SZ0056)