System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种基于统计的摩斯信号译码方法,属于摩斯信号自动译码。
技术介绍
1、摩斯信号(morse code)是一种用于通信的编码系统,它使用一系列短暂的点(.)、划线(-)以及间隔来表示字母、数字、标点符号和特殊字符。摩斯信号最初是由美国专利技术家萨缪尔·摩斯(samuel morse)和阿尔弗雷德·沃尔夫(alfred vail)于1830年代创建的,用于电报通信。它成为了世界上第一种广泛用于远程通信的编码方式。随着现代通信技术的发展,摩斯信号已经逐渐被淘汰。然而,摩斯信号仍然被一些业余电台爱好者使用,并在紧急通信和特殊通信情况下保持一定的重要性。摩斯信号的发送与接收主要依赖于人工,电报员的培养周期长,且在经过长时间精力高度集中的工作后,电报员会因为疲惫而造成译码错误。鉴于以上原因,实现摩斯信号的自动译码是非常重要的。
2、目前,摩斯信号的自动译码方法主要分为两类,基于统计判决的方法以及基于深度学习的方法。统计方法的核心思想是利用统计信息和概率分布来判断输入的点(.)、划(-)间隔的序列,以确定对应的字符。该方法在高信噪比环境下能够达到较高的准确率,且所需要的计算资源较少,识别时间短。基于深度学习的方法抗噪声能力强,能够在各种信噪比情况下取得良好的摩斯译码性能。但深度学习模型通常需要大规模的数据集来进行训练,获取足够大的摩斯信号数据集可能会很困难。
技术实现思路
1、技术问题:真实摩斯信号的采集存在涉密的问题,难以获得大量的真实数据用以进行深度学习模型训练;在
2、技术方案:针对以上问题,本专利技术提出一种基于统计的摩斯信号译码方法,该方法包括以下步骤:
3、s1、数据预处理,对原始音频的摩斯信号进行短时傅里叶变换,获取二维时频矩阵;计算载波频率;取出二维时频矩阵中对应载波频率的那一行,记作一维时频序列;
4、s2、基于一维时频序列的统计特性确定信号的高电平阈值;
5、s3、按照时间顺序遍历一维时频序列,寻找高于高电平阈值的连续区间并记为高电平区间,记录下每个高电平区间所对应的起点索引和终点索引,用终点索引减去起点索引得到的差值就是该高电平区间的持续时间;对于相邻的高电平区间,用后一个区间的起点索引减去前一个区间的终点索引,即为两个高电平之间的间隔的持续时间;遍历整个一维时频序列,得到一个由高电平持续时间和间隔持续时间交替组成的一维序列,记作时间序列;
6、s4、对时间序列中的高电平持续时间进行聚类,分为2类,分别为t1和t2,经过聚类后,高电平持续时间序列中的每一个元素都对应一个标签t1或t2,t1代表着摩斯信号中的点‘.’,t2代表着摩斯信号中的划‘-’;
7、s5、对时间序列中的间隔持续时间进行聚类,间隔持续时间序列中元素值在衰落阈值以下分为3类,分别为i1、i2、i3,经过聚类后,间隔持续时间序列中的每一个元素都对应一个标签i1或i2或i3,其中,i1、i2、i3分别代表着码间隔、字间隔、组间隔;间隔持续时间序列中元素值在衰落阈值以上的部分归为一类,代表着深衰落,用标签f表示;
8、s6、依据s4、s5获得的聚类结果,s3获得的时间序列中的每个元素都将对应一个标签,基于此将时间序列中的每个元素映射为对应的标签,将t1用‘.’替代、将t2用‘-’替代,获得的序列记为原始摩斯序列,原始摩斯序列由‘.’、‘-’、码间隔i1、字间隔i2、组间隔i3以及深衰落f组成;
9、s7、去掉原始摩斯序列中的i1,根据摩斯码表将由i2或i3隔开的点划组合映射为数字,最后将i2去掉并将i3用空格代替;若该序列中含有不存在于摩斯码表中的点划组合,则将该点划组合保留,并记为非定状态;
10、s8、对非定状态进行纠正,在摩斯码表中寻找与其最相似的点划组合,并将非定状态估计为该最相似的摩斯码,最终得到由数字和空格构成的摩斯译码结果。
11、进一步的,所述s1中,数据预处理的实现步骤包括:
12、对摩斯信号进行短时傅里叶变换获取时频矩阵sf×t,f是频率维度大小,t是时间维度大小,对时频矩阵的每一行进行求和,获得一个维度为f的向量,该向量元素的最大值所对应的频率即为摩斯信号的载波频率,计算公式如下:
13、
14、其中,s(f,t)为时频矩阵sf×t中的元素,g为频率轴索引与频率的映射关系,与短时傅里叶的窗口长度和窗口重叠长度有关,摩斯信号的载波频率是50的整数倍,选取窗口长度为0.02fs,fs为音频的摩斯信号的采样频率;提取出时频矩阵s中载频fc所对应的行,即为一维时频序列。
15、进一步的,所述s2中高电平阈值的确定方法是:针对一维时频序列绘制统计直方图,选取直方图的谷点值作为高电平阈值,若存在多个谷点,则选取多个谷点值的平均值作为高电平阈值。
16、进一步的,所述s4-s5中的聚类方法是:
17、取出时间序列中对应高电平持续时间的元素,构成高电平持续时间序列,对该一维序列进行k均值聚类,取聚类中心数目为2,基于最小化欧氏距离的原则进行迭代优化;k均值聚类完成后,高电平持续时间序列中的每个元素将被分配到一个簇中,同时得到两个簇中心值,簇中心值最小的一类记为t1,其对应着摩斯信号中的‘.’,簇中心值最大的一类记为t2,其对应着摩斯信号中的‘-’;
18、取出时间序列中对应间隔持续时间的元素,构成间隔持续时间序列;选定一个衰落阈值,对该一维序列中低于衰落阈值的元素进行k均值聚类,取聚类中心数目为3,基于最小化欧氏距离的原则进行迭代优化;k均值聚类完成后,该一维序列中的每个元素将被分配到一个簇中,同时会得到三个簇中心值,按照簇中心值从小到大的顺序依次记为i1、i2、i3,分别对应着摩斯信号中的码间隔、字间隔、组间隔;将该一维序列中高于衰落阈值的元素代表着由深衰落引入的间隔,记为f;
19、进一步的,所述s8中对非定状态的纠正方法如下:使用编辑距离(levenshteindistance)衡量非定码与正常摩斯码间的差异性,基于编辑距离对非定状态进行估计,并将非定状态映射为与其最相似的码字。
20、有益效果:与现有技术相比,本专利技术的技术方案具有以下有益技术效果:
21、本专利技术直接提取出信号载波频率所对应的时频序列,因此不用进行滤除带外噪声的滤波操作,而且,本专利技术基于一维时频序列来进行译码,大大减少了后续译码过程的计算量,加快了译码速度。本专利技术基于一维时频序列的统计直方图进行阈值选取,在统计意义上更加稳定可靠。本专利技术对高电平持续时间使用2均值聚类的方法,能够有效的区分点和划;对于间隔持续时间的分类,引入衰落阈值能够很好的识别出深衰落的情况,并且能够防止衰落引入的大间隔对间隔聚类带来的影响。
本文档来自技高网...【技术保护点】
1.一种基于统计的摩斯信号译码方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的一种基于统计的摩斯信号译码方法,其特征在于,所述S1中,数据预处理的实现步骤包括:
3.根据权利要求1所述的一种基于统计的摩斯信号译码方法,其特征在于,所述S2中高电平阈值的确定方法是:针对一维时频序列绘制统计直方图,选取直方图的谷点值作为高电平阈值,若存在多个谷点,则选取多个谷点值的平均值作为高电平阈值。
4.根据权利要求1所述的一种基于统计的摩斯信号译码方法,其特征在于,所述S4-S5中的聚类方法是:
5.根据权利要求1所述的一种基于统计的摩斯信号译码方法,其特征在于,所述S8中对非定状态的纠正方法如下:使用编辑距离(Levenshtein Distance)衡量非定码与正常摩斯码间的差异性,基于编辑距离对非定状态进行估计,并将非定状态映射为与其最相似的码字。
【技术特征摘要】
1.一种基于统计的摩斯信号译码方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的一种基于统计的摩斯信号译码方法,其特征在于,所述s1中,数据预处理的实现步骤包括:
3.根据权利要求1所述的一种基于统计的摩斯信号译码方法,其特征在于,所述s2中高电平阈值的确定方法是:针对一维时频序列绘制统计直方图,选取直方图的谷点值作为高电平阈值,若存在多个谷点,则选取多个谷点值的平均...
【专利技术属性】
技术研发人员:王俊波,高长江,彭志新,吴立强,毛钦曙,郝岩明,高庆鑫,
申请(专利权)人:东南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。