基于小波变换的多路莫尔斯电报自动译码*

肖 双 高 勇

(四川大学电子信息学院 成都 610065)

基于小波变换的多路莫尔斯电报自动译码*

肖 双 高 勇

(四川大学电子信息学院 成都 610065)

针对人耳对多路莫尔斯电报叠加时抄报能力弱的问题,文章提出了一种基于小波变换的多路莫尔斯电报的分离译码方法,并对其可行性和优势做了简要的分析。该方法将小波变换直接应用于莫尔斯电报频率的自动锁定后,自动完成了多路混叠的莫尔斯电报信号分离,并结合莫尔斯电报本身的结构特征,实现多路莫尔斯电报的自动译码功能。实验结果表明,用小波变换的方法处理多路莫尔斯信号是切实可行的,具有一定的实用价值。

小波变换; 多路莫尔斯; 电报自动译码

1 引言

莫尔斯电报是一种传统的通信手段,即便在现代化战争条件下,莫尔斯电报由于其设备简单、通信距离远等特点,依然是战术通信的重要工具,同时也是业余无线电爱好者的主要交流工具。标准莫尔斯电码由点、划以及码间隔、字间隔、组间隔五个元素组成,其长度比为1∶3∶1∶3∶5,实际工作中由于报务员拍报的差异性,点划长度和间隔长度之间的比例会有所变化[1]。

当前对莫尔斯电报的接收主要采用人工值守方式,该方式需要大批经验丰富的抄报员,并且易受人的心理、生理因素影响[2]。此外,在实际侦听环境中,带内多信号的情况常常出现,容易形成相互干扰。由于受到人耳掩蔽效应影响,当同时存在多路莫尔斯电报信号时,单纯依靠人耳抄报存在很大的困难,因此,设计一种能够部分取代人耳的自动译码系统,区分多路电报信号并解除监听人的繁重劳动是十分有必要的。

对莫尔斯电报的自动接收译码是一个古老的话题,国内外许多机构都自动译码识别有过研究。长期以来,人们一直致力于解决电报信号的自动检测问题,设法从含噪信号中提取报文信息,到目前为止也取得了一定的成果[3],但是对多路莫尔斯电报的分离和自动译码,国内外涉及的都比较少。本文主要利用小波变换处理多路莫尔斯电报信号,精确锁定莫尔斯电报频点,结合莫尔斯电报本身的结构特征,从而实现多路莫尔斯分离和自动译码的功能。

2 小波变换时频分析原理

小波变换是一种信号的时间-尺度或时间-频率的分析方法,即在时域对信号进行离散变换在频域进行谱分析的方法。它具有高分辨率的特点,而且在时、频两域都具有表征信号局部特征的能力[4]。

(1)

则称ψ为一个基本小波或小波母函数。将小波母函数进行伸缩和平移可得一个小波序列

(2)

式中,a,τ∈R,且a≠0,a为尺度因子,τ为平移因子,定义下式:

(3)

为关于基小波ψ的连续小波变换,其中ψ*表示ψ的共轭运算。显然,变换后的函数是二维的,即小波函数把原来的一维信号变成二维信号,这样有利于提取信号函数的某些本质特征[5]。小波包(WP)是小波变换(WT)的拓展,它可以为信号分析提供一种更加精细的方法,并能将频带进行多层次划分,同时还可以对小波变换的多分辨分析中的高频部分进一步分解[6]。

信号序列{s(n)}的小波包变换可以描述为

(4)

式中,h(i)和g(i)别表示低通和高滤波器[7]。通常,多路莫尔斯电报信号具有不同的频点和能量分布,其信号的主要频率和能量成分必然位于小波包分解下的一个或几个时频分布空间中,由于时频分布操作简单,信号蕴含信息很强[8],可以通过连续观测结果分析,利用小波函数对多路莫尔斯电报信号进行分解,提取尺度空间上的能量分布特征,准确地锁定莫尔斯电报的频点,这是对多路莫尔斯电报分离译码的关键。

3 利用小波变换处理多路莫尔斯电报

利用小波变换对多路莫尔斯电报分离译码过程如图1所示。

图1 多路莫尔斯电报分离译码流程图

实验中,采用电子键产生两路标准莫尔斯电报,图2(a)为频率1kHz、点长度为80ms的莫尔斯电报时域图;图2(b)为频率为2.5kHz、点长度为100ms的莫尔斯电报时域图;图2(c)为两路电报叠加后的时域图。

图2 莫尔斯电报时域图

为了使信号接近实际,在叠加后的多路莫尔斯电报中加入高斯白噪声,图3(a)和3(b)分别为叠加信号加入高斯白噪声后的时域图和语谱图(信噪比0dB)。从图3(a)中可以看出,叠加后的信号已经被白噪声淹没,肉眼难辨,同时对人耳的听觉识别的难度也比较大。但是从3(b)的语谱图上看,不同频率的两路莫尔斯电报信号是分开的,这给我们从时频分析角度进行莫尔斯电报自动译码给予了启发。

图3 加入白噪声后叠加信号的时域图和语谱图

对多路莫尔斯电报分离译码的具体过程如下:

1) 预处理

预处理是多路莫尔斯电报分离译码的第一步,莫尔斯电报在经过信道时常常混入噪声,滤波处理能减少后续译码工作的难度。由于莫尔斯电报是单频等幅信号,不同于复杂语音,它只出现在单一频率附近,由于受到信道的影响,频率可能略有些小的偏差,可采用粗滤的方式,即人工设定低通滤波器参数,保留只含有莫尔斯电报频率范围内的信号,再对滤波后的莫尔斯电报进行处理。

2) 小波变换处理

小波变换部分主要采用小波包变换,将莫尔斯电报信号进行正交小波包分解,分析各个频带的能量分布情况,提取出具有分类意义的信息,其算法步骤如下:

(1)对莫尔斯电报信号进行L层小波包分解,提取各频带的信号。

(2)计算信号各频带能量,其计算公式为

(5)

式中,ELi和SLi分别表示第L层第i个频带信号的能量和重构信号,xik表示第i个频带信号的第k个离散点的幅值,N为重构信号SLi(t)的长度。当i=0,1,2,…,2L-1时,就可以得到第L层所有频带的信号能量。

(3)将各个频带的信号能量组成特征向量即:E=[EL0,EL1,…,EL2L1]。

在小波变换处理的过程中取小波变换的尺度因子为256,即式(3)中a=256。实验中信号采样率为8kHz,信号的频率范围为0kHz～4kHz,其分辨率为15.625Hz,信号经过小波变换处理后的能量特征向量如图4所示。

图4 小波变换后能量特征向量

3) 多路莫尔斯电报信号频率锁定

通常,一个信号中上升与下跳沿附近以及一些起伏变化部分蕴含了丰富的能量信息,信号经过小波变换之后能够提取这些能量信息用来辅助判定莫尔斯电报的结构特征。同时,在能量特征向量中,含有莫尔斯电报的频率段内的能量明显要高于不含信号的频率段。由此可以知道,找到特征向量中能量的最值,就可以锁定莫尔斯电报所在的频率。因此对上述的特征向量分别求和,并进行最大值搜索,结果如图5所示。

图5 能量特征向量的极值

由图5可以看出,能量的最大值点分别出现在横坐标64和160的位置。通过上文得到,每一个单位间隔的频率为15.625Hz,则可算出在64和160的位置对应的频率分别为1000Hz和2500Hz,由此,便能够锁定莫尔斯电报的频率并对其进行筛选分离,继而对之分开译码。

从频率锁定的角度,傅里叶变换在频域也具有准确的定位性,但是在时域没有任何的分辨能力,它分析的是整个信号持续时间内的整体频域特性,经过傅里叶变换之后得到的是频域信息,时间信息(位置信息)完全丢失[9]。例如两个时间域不同的信号,其FFT变换后的图形的可能完全一样,所以傅里叶变换缺乏频率对时间的定位功能。而小波变换具有多尺度特性,可以把频率强度和时间位置联系起来,而莫尔斯电报信号由于其结构特性,在译码时对时间信息(点划的位置信息)具有较高的依赖性,所以,小波变换在一定程度上解决了傅里叶分析的缺点。这一点可以从小波变换后(图6)的时频图上更加清楚直观地表示。

图6 小波变换后的时频图

图6为叠加带噪的莫尔斯电报信号经过小波变换后的时频图,横轴为时间,纵轴为频率,颜色深浅表示小波系数的大小,颜色亮的地方小波系数大,颜色浅的地方小波系数小。通过时频图可以直观的看出莫尔斯电报频域特征和结构特征。从图中可看出,在1000Hz和2500Hz处,长方形亮条颜色明显高于其他部分,这便是两路莫尔斯电报信号所处在的频率段。多路莫尔斯电报信号中往往含有多种频率成分和噪声,这对于人耳长时间监听和抄报是一个挑战,但是小波变换却能将时域中混叠的多路带噪信号筛选出来,并在频域和时域中将两种占优频率清楚地区分开来,不仅能减少人耳的工作量,还能做到人耳做不到的对两路信号甚至多路信号同时抄报的能力。

4) 分离译码

锁定莫尔斯电报信号频率之后,选择不同频率的莫尔斯电报信号进行分离译码,译码过程如下文所述。

4 多路莫尔斯电报的分离译码

由小波变换处理得到莫尔斯电报频率之后,便可对多路莫尔斯电报进行分离和译码。分离的办法是对于不同频点的莫尔斯电报进行扫描,得到莫尔斯电报的点、划、间隔信息。译码是把莫尔斯信号转换成字符文本形式的过程。译码的算法主要采用统计和改进的岗瑟算法[10],具体分离译码的过程如下

1) 分别对锁定的莫尔斯电报频点扫描,存储该频点内的能量数据。

2) 区分有音段和空音段(即判定莫尔斯电报的点划和间隔)。对频点内的能量数据进行分段处理并求出每一段的能量均值,通过能量均值对莫尔斯电报信号进行间隔、点划的判定,大于能量均值的判定为点划,小于能量均值的判定为间隔,同时记录每一个码本的长度(即每一个点划和间隔的长度)[11]。

图7 报文A的码本长度直方图

3) 寻找点划参考值。对记录的码本长度统计比较,找出最小的码本长度,把它作为最小长度单位,其余码本长度都归一化为该最小单位的整数倍,并统计出现次数。统计结果(报文A)如图7所示。

如图7,长度为4的码本出现了48次,所以可以把整个码本数据中小于等于4的码本判定为点和码间隔,同时,按照莫尔斯报点、划、码间隔、字间隔、组间隔比例1∶3∶1∶3∶5的规定,可知,长度处于10和12之间的码本判定为划和字间隔,长度大于等于20的码本判定为组间隔。由统计结果可以得出点、划、字间隔、组间隔这五个莫尔斯电报元素的参考值。

4) 莫尔斯电报的翻译。由五个元素的参考值,对每个码本数据进行扫描,把码本长度数据翻译成点划信息,对莫尔斯电报进行点划翻译。由于数据太长,文中截取前20个码本数据以便能够直观显示,前20个码本数据如下

“10 -12 4 -3 3 -3 3 -4 3 -13 3 -3 3 -13 3 -3 4 -3 3 -22”

为了将点划长度和间隔长度区分开,在记录码本长度的时候,用负数表示间隔长度。

根据参考值,小于等于4翻译为点,10到14之间的翻译为划,负数翻译为间隔,翻译结果如下,

“- .... .. ...”

对照莫尔斯电报码表将点划信息进一步成文本信息,可知这段点划信息译码的结果为“this”。

5) 对第二个频点的莫尔斯电报进行扫描,重复上述的步骤。

根据得到的点划信息,到字符库中寻找对应的字符,得到本次译码结果。80ms、1kHz莫尔斯电报经过上述处理之后的译码结果为:“this is decode test A”;100ms、2.5kHz莫尔斯电报经过上述处理之后的译码结果为“happy new year”。

5 结语

本文将小波变换时频分析技术引入到了莫尔斯电报自动识别领域,提出了一种多路莫尔斯电报自动识别方法,通过大量电子键产生的多路混叠带噪的莫尔斯电报对该方法进行了实验测试,实验结果表明,该方法能够自动锁定莫尔斯电报频率,从噪声中筛选出电报信号,并能够分开多路不同频率的电报信号,实现抗多路信号干扰的能力。同时,通过莫尔斯电报信号的结构特点统计最小单位,设定动态的门限能量值,可以实现莫尔斯电报的自动译码功能。

[1] 高晋占.探空莫尔斯码自动识别[J].电子测量与仪器学报,2006,20(4):32-36. GAO Jinzhan. Automatic Recognition of Sounding Mo rse Code[J]. Journal of Electronic Measurement and Instrument,2006,20(4):32-36.

[2] 李春晓,赵旦峰,李强.用语音识别技术实现莫尔斯报的自动识别[J].信息技术,2004,15(2):51-53. LI Chunxiao, ZHAO Danfeng, LI Qiang. Auto recognizing morse message using speech recognizing techonology[J]. Information Technology,2004,15(2):51-53.

[3] 李国军,周晓娜,蒋勇,等.短波电报信号自动检测技术研究综述[J].世界科技研究与发展,2013,35(3):337-343. LI Guojun, ZHOU Xiaona, JIANG Yong, et al. Review on Automatic Detection Techniques of High-frequency CW Signal[J]. WORLD SC-TECH,2013,35(3):337-343.

[4] 冯象初,甘小冰.数学泛函与小波理论[M].西安:西安电子科技大学出版社,2003:81-84. FENG Xiangchu, GAN Xiaobing. Numerical functional theory and wavelet theory[M]. Xi’an: Xidian University Press,2003:81-84.

[5] 卢小泉,刘宏德.分析化学中的小波分析技术[M].北京:化学工业出版社,2005:10. LU Xiaoquan, LIU Hongde. Wavelet analysis techniques in Analytical Chemistry[M]. Beijing: Chemical Industry Press,2005:10.

[6] 刘军.用空间分布信号的小波变换识别岩石材料的损伤[J].岩石力学与工程学报,2014,23(12):1961-1965. LIU Jun. Identification of damage of rock material by wavelet transform of spatial distribution signal[J].

[7] 李玫.基于小波包分析的辐射源特征提取和识别算法[J].电子元器件应用,2010(10):87-89. LI Wen. Radiation source characteristics based on wavelet packet analysis Extraction and recognition algorithm[J]. Electronic Component and Device Applications,2010(10):87-89.

[8] 李炜,黄倩.基于小波时频分析的心音异常信号检测[J].电子设计工程,2015,23(6):41-43. LI Wei, HUANG Qian. Abnormal heart sound signal detection based on the wavelet timef requency analysis[J]. Electronic Design Engineering,2015,23(6):41-43.

[9] 于宏毅,张贴.手工莫尔斯报的一种新型自动收报算法及其手法识别算法[J].电子对抗,1995,11(4):317-320. YU Hongyi, ZHANG Tie. A new automatic algorithm for the manual Morse newspaper and manual recognition algorithm[J]. Electronic Countermeasure,1995,11(4):317-320.

[10] 张汝波,何立刚,李雪耀.强噪声背景下莫尔斯信号的自动检测与识别[J].哈尔滨工程大学学报,2006,27(1):112-115. ZHANG Rubo, HE Ligang, LI Xueyao. Automatic detection and recognition of Morse signal in strong noise environment[J]. Journal of Harb in Engineering University,2006,27(1):112-115.

[11] 魏海舰,徐家品,周道军,等.一种手工莫尔斯电报质量评估系统设计[J].微型计算机信息,2008,24(3):4-6. WEI Haijian, XU Jiapin, ZHOU Daojun, et al. he System Design of Manual Morse Code Program ConStrolled Revjsable Message Instrument Basing on PC and AT89S51 Single Chip Microcontroller[J]. Micro Computer Information,2008,24(3):4-6.

Multiplexed Morse Telegraph Automatic Decoding Based on Wavelet Transform

XIAO Shuang GAO Yong

(College of Electronics and Information Engineering, Sichuan University, Chengdu 610065)

In order to solve the weakness problem of human ears in multiplexed Morse telegraph’s interception and decoding, a method of automatic decoding and separation of multiplexed Morse telegraph based on wavelet transform has been proposed, including a brief analysis of its feasibility and advantages. The method uses the wavelet transform directly to lock the frequency of Morse telegraph and automatically completes the multiplexed Morse telegraph signal separation,and combined with the structural characteristics of Morse telegraph itself, it can realize the automatic decoding function of multiplexed Morse telegraph signal. The results of the experiment show that it is feasible to use the wavelet transform method to process the multiplexed Morse signal and has the practical value.

wavelet transform, multiplexed Morse telegraph, automatic decoding Class Number TN98

2016年10月17日,

2016年11月11日

肖双,男,硕士研究生,研究方向:语音信号处理。高勇,男,博士,教授,研究方向:通信信号处理,信号分析。

TN98

10.3969/j.issn.1672-9722.2017.04.008