1.上海电器科学研究所(集团)有限公司 上海 200063;
2.上海交通大学电子信息与电气工程学院 上海 200063
摘要：小波分析理论是一种新兴的信号处理理论，它在时间上和频率上都有很好的局部性，这使得小波分析非常适合于时-频分析，借助时- 频局部分析特性，小波分析理论已经成为信号去噪中的一种重要的工具。语音信号作为人们生活交流基础的一部分，在通信过程中噪声成为影响通信质量的最大原因。为解决这一问题，对通信系统中的小波去噪技术进行改进。帮助通信系统能够更好的提高服务质量。
关键词：通信系统；小波去噪；技术改进
1前言
语音信号作为移动通信中最重要的一部分，移动通信过程中噪声影响是最突出的一个问题。为寻找去除噪声的更好方法，小波去噪是一项比较成功的技术，对6dB信噪比以上信号有着更好效果。在移动通信中，由于目标具有移动性以及地形和地物变化的特点，让系统中信号与噪声有变得更加具有时变性。小波去噪更加适合处理这一类不平稳信号。小波去噪（wavelet domain denoising），是以Y.Meyer以及L Daubechies等工作为奠基迅速发展的一门新型学科。小波去噪技术在发展过程中，能够很好的去除高斯白自噪性(Additive White Gaussian Noise,AWGN)，同时保持信号主要特征。在移动通信实际应用过程中，对噪声做出较好处理是非常重要的。因此，对通信系统中的小波去噪技术改进能够帮助提高通信系统服务质量[1]。
2通信系统中的小波去噪技术改进
2.1小波去噪技术基本原理
一个含噪声的一维信号的模型可表示为：s（i）=f（i）+σ•e（i） （i=0，1，2，…，n- 1）式中，f（i）为真实信号；e（i）为噪声；s（i）为含噪信号。这里以一个简单的噪声模型加以说明，即 e（i）为高斯白噪声 N（0，1），噪声级为 1。在实际工程中，有用信号通常表现为低频信号或较平稳的信号，噪声信号则表现为高频信号，所以去噪过程可按以下方法进行处理。首先对实际信号进行小波分解，选择小波并确定分解层次为 N，则噪声部分通常包含在高频中。然后对小波分解的高频系数进行门限阈值量化处理。最后根据小波分解的第N 层低频系数和经过量化后的 1～N 层高频系数进行小波重构，达到消除噪声的目的，即抑制信号的噪声，在实际信号中恢复真实信号。总体上，对于一维离散信号来说，其高频部分所影响的是小波分解的第一层细节，其低频部分所影响的是小波分解的最深层和低频层[2]。
具体来说小波去噪方法的成功主要得益于小波变换具有如下特点：（1）低熵性，小波系数的稀疏分布，使得图象变换后的熵降低；（2）多分辨率，由于采用了多分辨率的方法，所以可以非常好地刻画信号的非平稳特征，如边缘、尖峰、断点等；（3）去相关性，因为小波变换可以对信号进行去相关，且噪声在变换后有白化趋势，所以小波域比时域更利于去噪。
2.2小波去噪技术基本概念
（1）白噪声
白噪声（white noise）指在功率谱密度在整个频域内均匀分布的噪声。白噪声相关函数只有在Y=0才不等于0；也就是说，只有在Y=0时才相关，其他时刻随机变量都无关；
（2）高斯随机过程
高斯随机过程（Gussian Process）又称为正态随机过程。作为一种普遍存在的随机过程，在通信信道中的噪声，通常被称为高斯过程。
期刊文章分类查询,尽在期刊图书馆随机过程中，如果高斯为x（t），那么随机变量x1=x（t1），x2=x（t2），x3=x（t3），……xn=x（tn）。高斯随机变脸不相关时，各个变量之间相互独立。
3通信系统中的小波去噪技术改进的实现
通信系统主要以数字信号处理器（digital signal processor，DSP)为主，数字信号处理以其独特的结构特点，将便捷性、即时性等特点带入到诸多应用中。在通信系统中实现各种数字信号处理功能，主要有着更好的精准度、集成度、稳定性等特点；通过通信系统可实现编程性，修改、升级、置换等，实现硬件平台的稳定；为适应数字信号处理需求，通信系统具有高速实时性处理特点[3]。
3.1小波去噪的软、硬件实现
在实现过程中，采用TI的DSKPLUS实验板，板上芯片为TMS320C542，同时配有模拟接口芯片AIC（Analog Irnerface Connector）•TLC320AC01，将芯片接口与DSO芯片分时复用串口相连。将输入模拟信号经过AIC芯片转变成为数字信号，经由DSP芯片进行进一步处理。DSP主机与PC机并口相连，处理后数据发送到PC后，由PC界面观察分析结果。
DSP系统启动主要有从储存器运行程序以及利用自举加载器进行加载两种方式。DSP如果硬件复位，那么系统将采样MP/MC\引脚。如果系统硬件复位采样MP/MC\引脚较高，系统则从片外FF80H处执行微处理器工作。
3.2 DSP与主机接口
C542能够为主机接口的8位告诉并行口提供HPI口。当C54x工作与40MHz频率时，HPI数据传输速度能达到64Mbps，如果主机用这种宽带来工作，那么主机接口工作效率能够达到32MHz[5]。由于语音信号具有短时性的特点，因此很容易在某一时段出现随机噪声。因此，小波去噪方法能够更好的去除语音信号中的噪点。
3.3 matlab仿真
利用MATLAB中对纯语音信号进行算法加噪模拟仿真，根据语音信号的特点，一般在研究语音信号的时候不考虑它的相位问题，而且IIR滤波器的设计思路较FIR滤波器来讲较为简单，因此选择两种滤波器的时候建议选择IIR低通滤波器。滤波器对语音信号进行去噪处理应该对语音信号和噪声的频谱进行十分精确的分析，这样才能得出较准确的滤波器参数，也就是说，利用数字滤波器的方法完全可以达到对语音信号去噪或降噪的目的[4]。
4结束语
小波变换是一种信号时频分析方法，具有多分辨率分析的特点，非常适合在瞬态异常现象中进行正常信号检测，并显示其成分，有效地区别突变的信号和噪声。因此，小波变换可以有效地消除信号，提取噪声信号。在传统的傅里叶变换分析中，由于信号完全在频域傅里叶分析中被分析，它不能给出信号在某一点的变化，在任何突变的时间轴上发出信号，影响信号的整个频谱。实例证明，基于小波变换的去噪方法是提取有用信号、显示噪声和突变信号的优良方法，具有广泛的实用价值[6]。
在通信系统中小波去噪技术改进方法中，为取代传统正交变换去噪方式，结合 DSP 性能特点，将小波去噪技术在 DSP 中实现，帮助更好提升通信系统服务质量。
参考文献
[1]吴伟,蔡培升.基于MATLAB的小波去噪仿真[J].信息与电子工程，2008(06)
[2]时合生,王启明.小波去噪仿真研究与实验[J].计算机与数字工程，2014(04)
[3]单锐,孟密元刘文.基于新阈值函数的小波去噪算法及其仿真[J].内蒙古农业大学学报(自然科学版)，2015(09)
[4]杨博,范弘.基于LabVIEW和MATLAB的超声仿真信号的小波去噪技术[J].计测技术，2013(11)
[5]孙国栋,秦来安,程知等.小波去噪在成像激光雷达仿真信号中的应用[J].激光与光电子学进展，2017(05).
[6]张淑清,师荣艳,董玉兰等.双变量小波阈值去噪和改进混沌预测模型在短期电力负荷预测中的应用[J].中国电机工程学报，2015(22).
论文作者:史贵风,卓立峥
论文发表刊物:《防护工程》2018年第7期
论文发表时间:2018/8/15
标签：信号论文; 小波论文; 噪声论文; 通信系统论文; 技术论文; 语音论文; 方法论文; 《防护工程》2018年第7期论文;