一种单音信号检测方法与流程

1.本发明涉及一种检测方法，特别涉及一种单音信号检测方法，属于信号检测技术领域。


背景技术：

2.单音就是单独的一个音，可以是任何的一个乐音。单音是相对于和声来说的，和声就是在一个突出主音的情况下加入和谐的音程构成一个和声音程。
3.目前为了检测判断多个信号中具体为哪个信号对设备的影响，需要对单音信号进行检测实现对目标的跟踪，但是目前的单音信号在检测的过程中容易造成单音检测错误，从而导致目标跟踪错误，影响检测效率，因此需要设计一种单音信号检测方法。


技术实现要素：

4.本发明的目的在于提供一种单音信号检测方法，以解决上述背景技术中提出的目前单音信号在检测的过程中容易造成单音检测错误，从而导致目标跟踪错误，影响检测效率的问题。
5.为实现上述目的，本发明提供如下技术方案：包括以下步骤：s1：对当前语音信号进行采集，采用音频编解码芯片wm8960对语音信号进行采集，并对采集的语音信号通过matlab转换为数字信号输出；s2：对预处理后的数字信号进行端点检测，采用verilog hdl（硬件描述语言）对数字信号端点进行检测；s3：对输出的数字信号进行预处理，数字信号特征提取，采用mfcc声学特征提取；s4：对提取的特征进行陷阱滤波检测和adc信噪比的计算；s5：对检测结果进行处理并输出。
6.作为本发明的一种优选技术方案，所述步骤s3中的预处理包括预加重、分帧和加窗处理；预加重：将信号频率频谱平坦，对整个频带的adc信噪比求频谱；分帧：采用dspbuilder描述，再转换成hdl；加窗：将每一帧乘以汉明窗，以增加帧左端和右端的连续性，假设分帧后的信号为s(n), n=0,1,
…
,n
‑
1, n为帧的大小，那么乘上汉明窗后s’（n）=s（n）*w（n），w（n）=w（n,a）=（1
‑
a）
‑
a*cos[2πn/n
‑
1],a=0.46。
[0007]
作为本发明的一种优选技术方案，所述步骤s3中mfcc声学特征提取包括以下步骤：第一步：对预处理的数据信号通过傅里叶变换，得对分帧加窗后的各帧信号进行快速傅里叶变换得到各帧的频谱，并对语音信号的频谱取模平方得到语音信号的功率谱；第二步：将能量谱通过一组mel尺度的三角形滤波器组，对频谱进行平滑化，并消除谐波的作用，突显原先语音的共振峰；
第三步：计算每个滤波器组输出的对数能量。
[0008]
第四步：经离散余弦变换（dct）得到mfcc系数；第五步：动态查分参数的提取，获取语音的动态特性。
[0009]
作为本发明的一种优选技术方案，所述步骤s2中的端点检测采用vad 算法进行检测，所述vad 算法包括阈值vad、分类器vad和模型vad；阈值vad：提取频域（mfcc）特征，通过合理的设置门限，达到区分语音和非语音的目的；分类器vad：将语音检测视作语音/非语音的两分类问题，进而用机器学习的方法训练分类器；模型vad：利用一个完整的声学模型，在解码的基础，通过全局信息，判别语音段和非语音段。
[0010]
作为本发明的一种优选技术方案，所述步骤s4中adc信噪比计算公式为snr=6.02n 1.76db 10log（fs/2bw）
‑
papr。
[0011]
作为本发明的一种优选技术方案，所述陷阱滤波检测包括以下步骤：先将信号通过陷阱滤波模块，陷阱滤波模块的谷点频率即为待检测的频率，之后通过一阶iir计算其长时平均幅度，然后输出与原始信号通过iir计算处的长时平均幅度相比较，如经过陷阱滤波模块幅度远小于原始信号幅度为存在单音信号，如经过陷阱滤波模块幅度不小于原始信号幅度为不存在。
[0012]
作为本发明的一种优选技术方案，所述一阶iir计算信号幅度公式为：y(n)=（1
‑
a）y（n
‑
1） a*|x（n）|。
[0013]
与现有技术相比，本发明的有益效果是：本发明一种单音信号检测方法，通过对语音进行采集和特征进行提取，并将语音的特征输入至陷阱滤波模块中，通过陷阱滤波模块处理后与原始音频数据进行比较，能够快速的识别是否含有单音信号，确保了单音检测的准确性，提高了单音信号检测效率。
附图说明
[0014]
图1为本发明的方法流程框图；图2为本发明的流程图；图3为本发明的陷阱滤波检测原理图。
具体实施方式
[0015]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0016]
请参阅图1
‑
3，本发明提供了一种单音信号检测方法的技术方案：根据图1
‑
3所示，包括以下步骤：s1：对当前语音信号进行采集，采用音频编解码芯片wm8960对语音信号进行采集，并对采集的语音信号通过matlab转换为数字信号输出；
s2：对预处理后的数字信号进行端点检测，采用verilog hdl（硬件描述语言）对数字信号端点进行检测；s3：对输出的数字信号进行预处理，数字信号特征提取，采用mfcc声学特征提取；s4：对提取的特征进行陷阱滤波检测和adc信噪比的计算；s5：对检测结果进行处理并输出。
[0017]
通过对语音进行采集和特征进行提取，并将语音的特征输入至陷阱滤波模块中，通过陷阱滤波模块处理后与原始音频数据进行比较，能够快速的识别是否含有单音信号，提高了单音信号检测效率。
[0018]
步骤s3中的预处理包括预加重、分帧和加窗处理；预加重：将信号频率频谱平坦，对整个频带的adc信噪比求频谱；分帧：采用dspbuilder描述，再转换成hdl；加窗：将每一帧乘以汉明窗，以增加帧左端和右端的连续性，假设分帧后的信号为s(n), n=0,1,
…
,n
‑
1, n为帧的大小，那么乘上汉明窗后s’（n）=s（n）*w（n），w（n）=w（n,a）=（1
‑
a）
‑
a*cos[2πn/n
‑
1],a=0.46。
[0019]
mfcc声学特征提取包括以下步骤：第一步：对预处理的数据信号通过傅里叶变换，得对分帧加窗后的各帧信号进行快速傅里叶变换得到各帧的频谱，并对语音信号的频谱取模平方得到语音信号的功率谱；第二步：将能量谱通过一组mel尺度的三角形滤波器组，对频谱进行平滑化，并消除谐波的作用，突显原先语音的共振峰；第三步：计算每个滤波器组输出的对数能量。
[0020]
第四步：经离散余弦变换（dct）得到mfcc系数；第五步：动态查分参数的提取，获取语音的动态特性。
[0021]
步骤s2中的端点检测采用vad 算法进行检测，所述vad 算法包括阈值vad、分类器vad和模型vad；阈值vad：提取频域（mfcc）特征，通过合理的设置门限，达到区分语音和非语音的目的；分类器vad：将语音检测视作语音/非语音的两分类问题，进而用机器学习的方法训练分类器；模型vad：利用一个完整的声学模型，在解码的基础，通过全局信息，判别语音段和非语音段。
[0022]
步骤s4中adc信噪比计算公式为snr=6.02n 1.76db 10log（fs/2bw）
‑
papr，信噪比与有效位数、采样率和带宽的关系，同等条件下输入信号带宽越小得到的信噪比越好，另外根据信噪比和输入满幅功率可以得到带内噪声功率pfs
‑
snr=pnoise，从而可以得到噪声功率密度。
[0023]
陷阱滤波检测包括以下步骤：先将信号通过陷阱滤波模块，陷阱滤波模块的谷点频率即为待检测的频率，之后通过一阶iir计算其长时平均幅度，然后输出与原始信号通过iir计算处的长时平均幅度相比较，如经过陷阱滤波模块幅度远小于原始信号幅度为存在单音信号，如经过陷阱滤波模块幅度不小于原始信号幅度为不存在，一阶iir计算信号幅度公式为：y(n)=（1
‑
a）y（n
‑
1） a*|x（n）|，通过利用单音和静音通过陷阱滤波模块后的能量幅
值不同对单音机械检测。
[0024]
在本发明的描述中，需要理解的是，指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0025]
在本发明中，除非另有明确的规定和限定，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0026]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。