基于FFT广播信号声音检测.docVIP

基于FFT广播信号声音检测 　　摘 要 　　本文介绍了基于FFT的广播信号声音检测的研究，提出了通过Matlab仿真对广播信号的PCM原始音频数据进行FFT变换并进行加权统计分析的解决方案，从而分辨出噪声频道，，最后在嵌入式平台中得到了快速的实现。 　　【关键词】FFT广播信号 声音检测 MatlabPCM原始音频数据嵌入式平台 　　快速傅立叶变换（FFT）是对离散傅立叶变换（DFT）的算法进行改进获得的。因FFT具有计算量小的显著优点，在信号处理技术领域获得了广泛应用。本文将FFT应用于广电行业中广播信号的处理，通过对获取的广播PCM原始音频数据进行FFT，将得到的频谱进行分析，分辨出含有噪声的音频，从而达到只存有用信息，降低存储空间的目的。 　　1 快速傅里叶变换（FFT） 　　1.1 离散傅里叶变换（DFT）的局限性 　　离散傅里叶变换对为 　　一般情况下，信号序列x（n）及其频谱序列X（k）都是用复数来表示的。因此计算N点的DFT需要进行N2次复数乘法和N（N-1）次复数加法。当N很大时，计算量变的极大，要求相当大的内存，限制了DFT的发展与应用。 　　1.2 快速傅里叶变换（FFT） 　　快速傅里叶变换（FFT）的提出可以使运算速度提高几百倍，以时间抽选奇偶分解快速离散傅里叶变换为例。设输入序列长度为N = 2M（M为正整数），将x（n）按n的奇偶分为两组，令n=2r和n=2r+1，可以得到x（2r）=x1（r）和x（2r+1）=x2（r），且r = 0，…，N/2-1。于是 　　将N/2子序列按奇偶可以继续分解，以此类推。所以N=2M的DFT运算可分成M级，M级共有N/2*log2N次复乘和N*log2N次复加，远远小于DFT的N2次和N（N-1）次。 　　乘法运算量如图1。 　　从图中可以清晰的看出FFT的运算量，实用性使得它在信号处理，数字通信等方面获得了广泛的应用。 　　2 FFT应用于广播信号的声音检测 　　2.1 广播信号音频流 　　广播模拟信号通过PCM脉冲编码调制（Pulse Code Modulation）方法量化为数字信号，得到PCM原始音频数据。 　　2.2 广播信号声音检测的仿真设计 　　2.2.1 PCM音频流的读取 　　读取PCM音频文件，得到多路音频信息，部分读取结果如图2、3、4所示。 　　通过人耳辨别与音频流图像可以初步得出每路音频的种类，是噪声还是纯净声音等。由于信息量巨大，光靠人耳是无法完成如此浩大的工程，所以需要通过计算机来完成。 　　2.2.2 PCM音频数据的FFT处理与统计分析 　　本文应用Matlab，通过fft函数可以方便快捷的利用快速傅里叶变换，将时域上的信号变换到频域上。 　　将原始音频数??导入Matlab，并对每一路音频取256个PCM数据作为研究对象，经过FFT可得某两路音频图像如图5、图6所示。 　　图中可以观察到，噪声的频率图像波动大且范围广，在0到100个点之间的数值也相对较大；而纯净声音有明显的周期性波峰，较大值一般在0到30个点之间。由于图像的周期与对称性，可以只考虑128个点为研究对象，以此降低运算的时间与复杂性。 　　本文利用前30个点的平均值与剩余点的平均值之商来进行声音检测，把这个商定义为本次研究中的信噪比。为了提高准确率，考虑到对计算时间和存储空间的要求，每录音频取10个信噪比进行研究，取三路音频信号为例，如图7所示。 　　从图中的信噪比曲线可知，区分噪声和纯净声音相对容易，而夹杂噪声的声音区分起来有些困难，如何在提高准确率的同时，将夹杂噪声的声音更准确的区分出来是接下来要研究的部分。 　　2.2.3 算法的优化 　　通过观察多路音频的傅里叶图像，考虑对每个值进行加权的方法来计算信噪比，经过多次尝试，最后决定对前30个点采取加权数逐降，对剩余的点采取每个扩大30倍的方法，以上述的三路音频信号为例，可得图8。 　　通过对比图7与图8，可以知道信噪比的趋势没有发生太大的改变，然而在经过加权之后得到的信噪比数值发生了明显的变化，纯净声音的信噪比明显增大，这更利于找出一个分界线来区别这几种不同的信号，然而依然存在一些例外的点相互交叉。 　　2.2.4 结果的分析 　　统计中信噪比数值的交叉无法定义一个数值，考虑改变统计方式，找出一个相对合适的分界线数值，统计每路音频信号在此数值以上的个数。 　　以上述三路音频为例，可以选取25到30之间的数值做分界线，统计分界线以上信噪比的个数，由于纯噪声的信噪比值相对较小，所以可以很容易分辨出来。 　　经过多次试验，最后决定采取30作为分界线。经过统计计算，每路音频含有超过分界线的信噪比数目，如表1所示。 　　从表格中可以看出，纯净声音数目都