船载航行数据记录仪中的驾驶台语音通信增强和压缩处理

论文摘要

随着科学技术的不断发展,新型数字化船用仪器如ECDIS(Electronic Chart Display and Information System,电子海图显示与信息系统)、AIS(Automatic Identification System,自动识别系统)以及VDR(Voyage Data Recorder,航行数据记录仪)逐步装船使用,预示着当今的船舶航行已逐渐进入了“海上数字交通”时代。VDR作为“海上数字交通”的具体内涵之一,是专门用来实时记录存储船舶航行数据、并能将数据回放的仪器设备。在船舶发生海上事故后,对VDR中的数据对进行分析,尤其是对紧急情况下的驾驶台语音通信的分析,对判断事故发生的原因及责任方起着关键的作用。由于航行时的海况和局面复杂多变,VDR在采集驾驶台语音通信时常会产生模糊或听不清的情况,而且语音的连续存储还会产生大量的数据。因此,在传输和存储的过程中,如何有效地对船舶驾驶台语音通信进行增强和压缩处理,使其在保证回放质量的前提下,尽量提高语音的可懂性和节约存储容量是研制VDR首先必须解决的关键技术之一。根据当今小波分析在语音信号增强和压缩方面成功经验,本文就VDR驾驶台语音增强和压缩技术进行了新的研究和详细的论述。 在对驾驶台语音进行增强研究中,本文提出了在VDR中利用小波阈值短时谱幅度MMSE(Minimum Mean Square Error,最小均方误差)估计法的语音增强算法。该算法采用了一种具有无穷阶连续导数的阈值函数,克服了传统阈值函数(软阈值函数和硬阈值函数)的缺点。然后基于SURE(Stein’s Unbiased Risk Estimation)无偏估计得出一种小波阈值去噪法,此方法可自适应搜寻最佳阈值,满足了时变信号的实时处理要求。经实验证明,这种算法能够大幅度提高信噪比,有效且优于传统的语音增强算法。 将小波变换与Fourier变换相比一个明显的不同之处在于小波变换中的小波函数不是唯一的,不同的小波函数会产生具有不同时频特性的小波基,用不同的小波基分析同一个问题会产生不同的结果。因此,小波函数的选择是应用小波变换必须首先解决的基本问题之一。本文根据不同小波函数的性质,选取了具有最高消失矩的紧支正交小波——Daubechies小波,应用本文采用的小波阈值短时谱幅度MMSE估计法的语音增强算法,对VDR驾驶台语音增强前后的信噪比提升量和能量恢复度进行了试验、分析和比较,得出了db7是VDR驾驶台语音增强较为理想的小波函数的结论。 在对驾驶台语音进行压缩研究中,运用了一种自适应小波包变换方法对增

论文目录

• 第一章 绪论
• 1.1 引言
• 1.2 VDR系统的组成
• 1.3 VDR的现状
• 1.3.1 国外 VDR发展现状
• 1.3.2 国内 VDR发展现状
• 1.3.3 安装 VDR的时间要求
• 1.3.3.1 国际海事组织对安装 VDR的建议时间
• 1.3.3.2 我国的要求
• 1.4 VDR驾驶台语音通信的增强和压缩处理研究及本文主要研究内容
• 1.4.1 VDR驾驶台语音的特点
• 1.4.2 语音增强和压缩方法简介
• 1.4.2.1 语音增强方法简介
• 1.4.2.2 语音压缩方法简介
• 1.4.3 本文研究的主要内容
• 第二章 小波分析基本理论
• 2.1 引言
• 2.2 小波变换
• 2.3 常用小波函数及其特点简介
• 2.4 一维连续小波变换
• 2.5 离散小波变换
• 2.6 二进制小波变换
• 2.7 多分辨分析
• 2.8 Mallat算法
• 第三章 基于小波分析的 VDR驾驶台语音增强处理
• 3.1 引言
• 3.2 传统语音增强的方法及存在的问题
• 3.3 小波分析用于信号降噪的原理和方法
• 3.3.1 小波分析用于信号降噪的原理
• 3.3.1.1 信号降噪的准则
• 3.3.1.2 小波分析用于降噪的过程
• 3.3.1.3 基本降噪模型
• 3.3.2 小波语音信号降噪的方法
• 3.3.2.1 模极大值去噪法
• 3.3.2.2 小波闭值去噪法
• 3.4 基于小波阈值去噪的语音增强方法
• 3.4.1 阈值函数
• 3.4.1.1 软阈值和硬阈值函数
• 3.4.1.2 具有无穷阶连续导数的阈值函数
• 3.4.2 小波阈值降噪算法
• 3.4.2.1 SURE无偏估计
• 3.4.2.2 小波阈值去噪算法
• 3.4.4 基于小波阈值降噪的语音增强算法
• 3.5 小波函数的选择
• 3.5.1 小波函数性质与语音增强
• 3.5.2 语音增强效果测试方法
• 3.5.3 试验效果比较
• 3.6 试验结果和分析
• 3.7 本章小结
• 第四章 基于小波包分析的 VDR驾驶台语音压缩处理
• 4.1 引言
• 4.2 小波包分析
• 4.2.1 小波包的定义
• 4.2.2 小波包的性质
• 4.2.3 小波包算法
• 4.3 小波语音压缩的原理与实现方法
• 4.3.1 语音信号的可压缩性
• 4.3.2 小波包语音压缩的基本思想
• 4.3.4 小波包语音压缩的实现方法
• 4.3.5 压缩评估指标
• 4.4 基于 R-D的自适应小波包变换
• 4.4.1 最优小波包基的选择
• 4.4.2 按 R-D准则优选小波包
• 4.4.3 Max-Lloyd最佳量化算法
• 4.4.4 霍夫曼编码（Huffman coding）
• 4.5 仿真试验结果与分析
• 4.6 本章小节
• 第五章 论文总结与展望
• 5.1 论文总结
• 5.2 研究展望
• 5.3 论文的意义
• 致谢
• 参考文献
• 附录A Daubechies小波基系数
• 附录B 试验数据