一种单音信号检测方法与流程

技术特征：
1.一种单音信号检测方法，其特征在于，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。2.根据权利要求1所述的一种单音信号检测方法，其特征在于：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。3.根据权利要求2所述的一种单音信号检测方法，其特征在于：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。4.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。5.根据权利要求1所述的一种单音信号检测方法，其特征在于：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。6.根据权利要求1所述的一种单音信号检测方法，其特征在于：所述步骤s4中adc信噪比计算公式为snr=6.02n 1.76db 10log（fs/2bw）
‑
papr。7.根据权利要求1所述的一种单音信号检测方法，其特征在于：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。8.根据权利要求6所述的一种单音信号检测方法，其特征在于：所述一阶iir计算信号
幅度公式为：y(n)=（1
‑
a）y（n
‑
1） a*|x（n）|。

技术总结
本发明公开了一种单音信号检测方法，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。本发明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。提高了单音信号检测效率。提高了单音信号检测效率。


技术研发人员：权友波 王中鑫
受保护的技术使用者：苏州安广电子科技有限公司
技术研发日：2021.08.25
技术公布日：2021/10/18