一種新的基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF解碼器方案

2004年6月B版

摘   要：本文提出了一種新的基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)DTMF信號(hào)檢測(cè)算法，并介紹了在TMS320C5402和TLV320AIC10上采用此算法的DTMF信號(hào)解碼器方案設(shè)計(jì)。仿真結(jié)果和實(shí)際工程實(shí)驗(yàn)均表明該算法比傳統(tǒng)的DTMF信號(hào)解碼方法具有更強(qiáng)的抗干擾能力。

關(guān)鍵詞：ADALINE神經(jīng)網(wǎng)絡(luò)；LMS算法；DTMF解碼

引言

　　DTMF(雙音多頻)信號(hào)是電話網(wǎng)中常用的信令，無(wú)論是家用電話、移動(dòng)電話還是程控交換機(jī)，多采用DTMF信號(hào)發(fā)送接收號(hào)碼。DTMF技術(shù)還可以用于電力線載波通信等場(chǎng)合?？梢?jiàn)，DTMF撥號(hào)和解碼在通信系統(tǒng)及其它方面有著廣泛的應(yīng)用。DTMF信號(hào)的解碼目前常用的方法有兩種：一種方法是采用濾波器組來(lái)分離8個(gè)DTMF信號(hào)。濾波器組的實(shí)現(xiàn)既可以用模擬濾波器，也可以用數(shù)字濾波器，這種方法在時(shí)域中進(jìn)行分離。第二種方法是采用DFT或者Goertzel算法來(lái)檢測(cè)8個(gè)信號(hào)的強(qiáng)弱，這種方法在頻域中進(jìn)行分離。

　　然而，上述兩種傳統(tǒng)的DTMF信號(hào)檢測(cè)方法都存在一定的缺陷，即在強(qiáng)信道噪聲干擾下常常不能正確工作。本文提出了一種基于改進(jìn)的ADALINE (Adaptive Linear Neuron)神經(jīng)網(wǎng)絡(luò)的DTMF信號(hào)檢測(cè)算法，其結(jié)構(gòu)簡(jiǎn)單、計(jì)算量適中，并且能夠在強(qiáng)背景噪聲干擾下正常檢測(cè)，實(shí)驗(yàn)顯示它比傳統(tǒng)方法有更強(qiáng)的抗干擾能力。

DTMF信號(hào)

　　DTMF信號(hào)是將撥號(hào)盤(pán)上的0~9、A~D及*/E、#/F共16個(gè)字符，用音頻范圍的8個(gè)頻率來(lái)表示的一種編碼方式。8個(gè)頻率分為高頻群和低頻群兩組，分別作為列頻和行頻。每個(gè)字符的信號(hào)由來(lái)自列頻和行頻的兩個(gè)頻率的正弦信號(hào)疊加而成。頻率組合方式如表1所示。

　　根據(jù)ITU-R Q.23建議[1]，DTMF信號(hào)的技術(shù)指標(biāo)是：傳送/接收率為每秒約10個(gè)號(hào)碼，或每個(gè)號(hào)碼120ms。每個(gè)號(hào)碼傳送過(guò)程中，信號(hào)存在時(shí)間至少65ms，且不多于75ms，120ms的其余時(shí)間是靜音。在每個(gè)頻率點(diǎn)上允許有不超過(guò) 1.8%的頻率誤差。任何超過(guò)給定頻率 3.5%的信號(hào)，均被認(rèn)為是無(wú)效的，拒絕承認(rèn)接收。另外，在最壞的檢測(cè)條件下，信噪比不得低于15dB。

　　基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF檢測(cè)算法

　　神經(jīng)網(wǎng)絡(luò)是信號(hào)處理發(fā)展的一個(gè)新方向，它可以在先驗(yàn)知識(shí)未知的情況下，通過(guò)對(duì)輸入信號(hào)的自學(xué)習(xí)，實(shí)時(shí)調(diào)整網(wǎng)絡(luò)的權(quán)系數(shù)和偏置值，使網(wǎng)絡(luò)得到最佳的期望輸出。神經(jīng)網(wǎng)絡(luò)具有內(nèi)在的自適應(yīng)性和非線性，能夠得到魯棒性和抗干擾能力更強(qiáng)的系統(tǒng)。

　　ADALINE神經(jīng)網(wǎng)絡(luò)是Widrow和Hoff提出的，它的一般結(jié)構(gòu)如圖1所示，采用LMS算法。輸入信號(hào)x(n)及其延遲序列是網(wǎng)絡(luò)的輸入，網(wǎng)絡(luò)輸出a(n)與某個(gè)目標(biāo)輸出t(n)的差得到誤差信號(hào)e(n)，然后網(wǎng)絡(luò)按照LMS算法調(diào)整權(quán)系數(shù)和偏置值，并按此方式循環(huán)處理。

　　ADALINE神經(jīng)網(wǎng)絡(luò)非常適合于信號(hào)的檢測(cè)與提取或噪聲消除，此時(shí)它的一般結(jié)構(gòu)如圖2所示。在一定的噪聲參考輸入下，網(wǎng)絡(luò)能夠自適應(yīng)的跟蹤和捕捉混雜信號(hào)中的相應(yīng)成分，網(wǎng)絡(luò)輸出企圖逼近待檢測(cè)的混雜信號(hào)，但是因?yàn)樵肼晠⒖夹盘?hào)與有用信號(hào)不相關(guān)或者弱相關(guān)，它只能復(fù)制到與噪聲參考信號(hào)強(qiáng)相關(guān)的成分。于是混雜信號(hào)中的噪聲成分被自適應(yīng)的跟蹤，進(jìn)而可以被消除，誤差信號(hào)“恰好”就是恢復(fù)出來(lái)的有用信號(hào)。這種結(jié)構(gòu)的ADALINE神經(jīng)網(wǎng)絡(luò)在飛機(jī)客艙消噪系統(tǒng)和腦電圖檢測(cè)等方面得到了成功的應(yīng)用。

　　然而，實(shí)踐表明，一般結(jié)構(gòu)的ADALINE網(wǎng)絡(luò)(圖1或圖2)用于檢測(cè)DTMF信號(hào)的效果并不好，需要進(jìn)行改進(jìn)。DTMF信號(hào)的檢測(cè)可以看成是要在受噪聲污染的信號(hào)中檢測(cè)并判斷是否存在某個(gè)特定信號(hào)(8個(gè)頻率的信號(hào))?；谶@一點(diǎn)，我們提出了一種如圖3所示的改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)，非常適合于DTMF信號(hào)的檢測(cè)。它與一般結(jié)構(gòu)的ADALINE網(wǎng)絡(luò)有兩點(diǎn)不同：(1)它用DTMF分量參考信號(hào)作網(wǎng)絡(luò)的輸入，而把待檢測(cè)信號(hào)作為期望輸出；(2)增加一個(gè)非線性處理環(huán)節(jié)，非線性地增強(qiáng)或抑制網(wǎng)絡(luò)的跟蹤結(jié)果以增強(qiáng)網(wǎng)絡(luò)的效果。

　　改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)(圖3)的工作原理如下：

　　神經(jīng)網(wǎng)絡(luò)跟蹤的期望值是待檢測(cè)的輸入信號(hào)x(n)，而且LMS算法試圖將誤差信號(hào)e(n)減至最小。但是由于網(wǎng)絡(luò)輸入是某個(gè)特定的DTMF分量頻率參考信號(hào)ref(n)，所以它只能復(fù)制到與ref(n)信號(hào)強(qiáng)相關(guān)的信號(hào)，而不能復(fù)制到與ref(n)信號(hào)不相關(guān)或弱相關(guān)的噪聲信號(hào)。如果x(n)中含有該特定頻率的信號(hào)，則參考信號(hào)與輸入信號(hào)匹配，網(wǎng)絡(luò)就能得到很強(qiáng)的信號(hào)a(n)。相反，如果x(n)中不含有該特定頻率信號(hào)，則參考信號(hào)與輸入信號(hào)不匹配，網(wǎng)絡(luò)的中間信號(hào)a(n)就會(huì)很弱。同時(shí)，非線性環(huán)節(jié)會(huì)對(duì)較強(qiáng)的a(n)信號(hào)進(jìn)一步的增強(qiáng)，而對(duì)較弱的a(n)信號(hào)進(jìn)一步的抑制。這樣，通過(guò)判斷神經(jīng)網(wǎng)絡(luò)輸出信號(hào)的強(qiáng)弱，就能判斷出待檢測(cè)的輸入信號(hào)中是否存在該特定DTMF分量頻率的信號(hào)。

　　改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)采用LMS算法，LMS算法本質(zhì)是以最小均方誤差為準(zhǔn)則的近似的最速下降算法。它以均方誤差為性能函數(shù)F(x)，定義如下：F(x)=E(e2)=E((t-a)2)

　　為了簡(jiǎn)化計(jì)算，以G(x)=e2(k)=(t(k)-a(k))2來(lái)近似F(x)。應(yīng)用最速下降算法，得到梯度算子為：G(x)=-2e(k)p(k)

　　故網(wǎng)絡(luò)的權(quán)系數(shù)和偏置值參數(shù)更新公式為：wi(k+1)=wi(k)+1ae(k)p(k)  i=l,..., s      b(k+1)=b(k)+2ae(k)。

　　其中是梯度算子，a是控制學(xué)習(xí)速度和穩(wěn)定性的參數(shù)，p(k)是輸入向量。

　　非線性環(huán)節(jié)的傳輸函數(shù)如下式：

　　其中A和threshold為系統(tǒng)的設(shè)定參數(shù)。

　　神經(jīng)網(wǎng)絡(luò)的各個(gè)參數(shù)需要通過(guò)試驗(yàn)來(lái)確定。經(jīng)過(guò)試驗(yàn)，對(duì)于DTMF檢測(cè)，選用只含有2個(gè)權(quán)系數(shù)和1個(gè)偏置值的網(wǎng)絡(luò)就可以勝任，也就是在圖3中，只需要w1/w2/b三個(gè)參數(shù)，結(jié)構(gòu)簡(jiǎn)單，計(jì)算量小。

　　對(duì)每個(gè)DTMF分量頻率都設(shè)置一個(gè)如圖3所示的神經(jīng)網(wǎng)絡(luò)單元，在每個(gè)檢測(cè)周期對(duì)8個(gè)神經(jīng)網(wǎng)絡(luò)單元的輸出進(jìn)行判斷并簡(jiǎn)單分析，就可以實(shí)現(xiàn)DTMF解碼。

基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF解碼仿真結(jié)果

　　為了驗(yàn)證上述基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF檢測(cè)算法，我們?cè)贛ATLAB上使用Neural Networks Toolbox進(jìn)行了仿真。

　　仿真條件和參數(shù)選擇：模擬實(shí)際信道中常見(jiàn)的高斯白噪聲情況，待檢測(cè)輸入信號(hào)x(n)是DTMF信號(hào)和信道噪聲的疊加，輸入信噪比SNR是-3dB。為了討論方便，假定每個(gè)DTMF分量的幅度是