<< Пред. стр. 3 (из 13) След. >>
Список литературы по разделу
Коэффициенты рассчитываются, используя алгоритм Левинсона-Дурбина, и остаются неизменными на протяжении всего кодируемого сегмента речи.
Для улучшения качества речи необходимо, чтобы ошибка предсказателя была минимальной. Это ведёт к увеличению n - числа слагаемых в (1), т.е. порядка предсказателя. Что, в свою очередь, ведёт к увеличению числа операций, необходимых для вычисления коэффициентов , и увеличению нежелательной задержки сигнала.
Визуальный анализ некоторых фрагментов сослагаемых в ()еобходимо, чтобы ошибка предсказателя была минимальной.
На данный момент нами производится разработка математического аппарата для применения данного алгоритма с настоящими фрагментами речи. Однако, уже получены результаты для некоторых частных случаев, которые приведены на рис. 1.
а) б)
Рис. 1. Восстановленный сигнал при синусоидальном (а) и импульсном (б) входном воздействии.
На рис. 1а хорошо видно, как нейронная сеть, созданная для расчёта параметров фильтра, обучается на начальном этапе сегмента. Некоторое искажение импульсов на рис. 1б обуславливается, в-основном, выбранной функцией активации элементов сети.
ЛИТЕРАТУРА:
1. Бабков В.Ю., Вознюк М.А. и др. Передача информации в системах подвижной связи. / СПбГУТ, СПб, 1999.
2. Назаров А., Лоскутов А. Нейросетевые алгоритмы прогнозирования и оптимизации систем. / Наука и Техника, СПб, 2003.
УДК 681.332.5
A.H. Sultanov, V.H. Bagmanov, N.K. Bakirov, A.E. Kisselev
Ufa State Aviation Technical University
INFORMATION TECHNOLOGY FOR REMOTELY SENSED DATA PROCESSING
Detection and estimation of signals generated by anomalies in atmosphere, on Earth and water surface (fires, floods, pollutions, etc.) is one of the principal problems of satellite data processing for environmental monitoring. Problems of anomaly detection in heavy observation conditions arise as well in satellite, astrophysical, biomedical images and geophysical data processing, so there are relevant problems. These signals have got the wide spectrum of external spatial scales. In addition, both the signal and background can have various internal structures (point, diffusive, random). Particular difficulties arise in case of weak signals with signal-to-noise (S/N) ratio S/N?1, and in case of subpixel signals with anomaly size (scale) (L) to observation system spatial resolution (R) ratio fulfilling the condition , and in case of prior uncertainty.
Proposed remotely sensed data processing technology is based on anomaly detection methods and algorithms, which are invariant to signal and background scale and structure, is advancement of existing approaches.
It is known that random fractal structure is general genetic property of satellite images. This fact is the main theoretical premise for development of new technique.
Proposed data processing technology combines the following conceptions and approaches:
1. Satellite images fractal self-similarity connected with statistical homogeneity of their structure at different spatial scales.
2. Multiresolution analysis of functional spaces on the base of wavelet transform (WT) as the most powerful mathematics for signal processing with fractal properties.
3. Using recursive fractal scanning for reduction of multidimensional spaces into one-dimensional segment [0,1].
4. Using nonparametric statistics for signal detection in noisy background. Nonparametric statistics are the most adequate ones if signal models are unknown or can be observed in noisy background only.
Proposed information technology allows to:
- decrease the threshold of hidden signal detection by several times;
- detect the signals with unknown form;
- solve the problems connected to incomplete knowledge of signal, nonstationary, non-markovian and singular noises;
- improve the performance of subpixel signal detection and estimation in case of limited spatial and temporal resolutions of sensors.
The investigation of Hausdorf dimension D and index of Hoerst statistic H is performed. This investigation is based on following approaches:
(A) analysis of asymptotic behavior of covering the space profiles by epsilon-cells;
(B) asymptotic behavior of images structure functions as stochastic fields, analysis of power spectrum density;
(C) approximation of Hoerst R/S statistic which charachterizes intensity field fluctuations.
Optimal and asymptotic optimal algorithms for anomaly detection and estimation in prior uncertainty based on detecting of changes in local Fourier spectrum are developed.
Solution of the following problems is planned as extension of this research:
1. Conjugation between WT and recursive scannings for obtaining the powerful signal analysis mathematics.
2. Development of S/N ratio increase methods on the base of statistical image segmentation using nonparametric statistics.
3. Improvement of accuracy of subpixel signal estimation on the base of using the fractal properties of images.
Acknowledgement: this research is supported by INTAS, Project Nr. 04-77-7198.
УДК 621.3
Т.Д. Гильфанов
Уфимский государственный авиационный технический университет
АНАЛИЗ МЕЖУЗЛОВОГО ОБМЕНА В КОММУТАТОРЕ КЛАСТЕРНЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ
Особенности архитектуры коммутаторов во многом определяются сетевой технологией. Тем не менее принципы построения остаются общими. Поэтому для упрощения изложения примем, что коммутатор содержит N входных и N выходных портов, а поступающие пакеты имеют фиксированную длину.
Коммутаторы выполняют довольно широкий набор функций. Однако мы сосредоточим наше внимание на двух основных: маршрутизация, или пересылка пакетов от входного порта на выходной (адрес которого обычно указывается в заголовке пакета), и разрешение конфликтов, возникающих в тех случаях, когда несколько одновременно прибывших пакетов конкурируют за один и тот же выходной порт. Последняя проблема решается обычно с помощью той или иной схемы буферизации, которая зачастую и определяет основные особенности архитектуры коммутатора.
Если два пакета адресуются на один выходной порт, то потери пакетов может предотвратить только буферизация. Установлено, что основной причиной задержек в коммутаторе является задержка при буферизации.
Наиболее распространенной схемой буферизации в коммутаторах является буферизация на входе (store and forward ). При этом коммутатор с N портами имеет N входных буферов, объемом V.
Была построена дискретная модель коммутатора с буферизацией на входе и произвольной схемой коммутации. [1]
Блок-схема программы, которая реализует данную модель представлена на следующем рисунке:
Рис. 1 Блок-схема модели коммутатора
Для получения численных данных на основе этой модели необходимо задать процесс генерации пакетов. Можно использовать функцию генерации псевдослучайных чисел random, но она имеет серьезные ограничения, и, кроме того, таким образом невозможно оценить реальный трафик при выполнении конкретной задачи. Поэтому необходима формализация обмена пакетами между узлами.
Формализация обмена пакетами между узлами
Основой для оценки того, как будет справляться коммутатор со связью узлов или сегментов, подключенных к его портам, являются данные о средней интенсивности трафика между узлами сети.
Это означает, что нужно каким-то образом оценить, сколько в среднем кадров в секунду узел, подключенный к порту P2, генерирует узлу, подключенному к порту P4 (трафик P24), узлу, подключенному к порту P3 (трафик P23), и так далее, до узла, подключенного к порту P6. Затем эту процедуру нужно повторить для трафика, генерируемого узами, подключенными к портам 3, 4, 5 и 6. В общем случае, интенсивность трафика, генерируемого одним узлом другому, не совпадает с интенсивностью трафика, генерируемого в обратном направлении. [2]
Результатом исследования трафика может служить построение матрицы трафика, приведенной на рис.
Рис. 2 Матрица интенсивностей межузлового обмена
Здесь Pij означает среднюю интенсивность трафика между узлами i и j в напралении от i к j.
Формализацию межузлового обмена можно выполнить несколькими способами:
1) Выявить реальный обмен на практике.
1 а) Можно использовать измерительное оборудование, позволяющее засекать время между входом пакета в коммутатор и выходом из него. Но на практике такой подход очень проблематичен. При высокой битовой скорости передачи и при поступлении нескольких пакетов, сигнал "смазывается".
1 б) Матрицу, подобную изображенной на рис. 2, строят агенты RMON MIB (переменная Traffic Matrix), встроенные в сетевые адаптеры или другое коммуникационное оборудование. Рассмотрим более подробно RMON. [3]
Remote Monitoring (RMON) (удаленный мониторинг) - спецификация стандартного мониторинга, которая обеспечивает различные сетевые мониторы и различные консольные системы для расширения данных сетевого мониторинга.
RMON предоставляет информацию в 9 группах мониторинга, каждая из которых содержит определенный набор данных, чтобы обеспечить контроль сети. Следующая таблица определяет 9 контрольных групп, описанных в RFC-1757.
RMON группы
Функции
Элементы
Статистика
(Statistics)
Содержит статистику для каждого интерфейса на этом устройстве
Количество потерянных пакетов, отправленных пакетов, отправленных байт, broadcast, multicast пакетов с сортировкой по длине пакета
История (History)
Делает запись периодических статистических образцов сети и хранит их для более позднего поиска.
Период выборки, число выборок
Опасность (Alarm)
Периодически берет статистические образцы переменных и сравнивает их с предварительно формируемыми порогами. Если проверенная переменная пересекает порог, генерируется сигнал alarm
Включают таблицы сигналов, тип сигнала, интервал, стартовый порог, верхний порог
Узел (Host )
Содержит статистику, связанную с каждым узлом, обнаруженным в сети
Адрес узла, пакеты, и байты, полученные и переданные, также при broadcast, multicast и ошибочных пакетах.
HostTopN
Подготавливает таблицы, которые описывают узлы, которые превышают статестические нормы по каким-то показателям (чаще всего по скорости передачи)
Matrix (матрица)
Статистика интенсивности обмена данными между двумя адресатами. Когда устройство обнаруживает новое соединение, создается новая статистика
Filters (фильтры)
Содержит информацию об отфильтрованных пакетах
Packet Capture (захват пакета)
Позволяет захватывать пакеты
Размер буфера для захваченных пакетов, полный статус, число захваченных пакетов.
События (Events)
Управляет генерацией и уведомлением о событиях этого устройства
Тип события, описание, последнее время возникновения события
Таким образом, анализируя информацию, предоставляемую RMON, можно произвести формализацию межузлового обмена.
2) Теоретическая формализация межузлового обмена.
2 а) Аналитический вероятностный подход
Аналитическая модель сети представляет собой совокупность математических соотношений, связывающих между собой входные и выходные характеристики сети. При выводе таких соотношений приходится пренебрегать какими-то малосущественными деталями или обстоятельствами.
Телекоммуникационная сеть при некотором упрощении может быть представлена в виде совокупности процессоров (узлов), соединенных каналами связи. Сообщение, пришедшее в узел, ждет некоторое время до того, как оно будет обработано. При этом может образоваться очередь таких сообщений, ожидающих обработки. Время передачи или полное время задержки сообщения d равно: [4]
D = Tp + S + W,
где Tp, S и W, соответственно, время распространения, время обслуживания и время ожидания. Одной из задач аналитического моделирование является определение среднего значения D. При больших загрузках основной вклад дает ожидание обслуживания W. Для описания очередей в дальнейшем будет использована нотация Д. Дж. Кенделла: A/B/C/K/m/z, где А - процесс прибытия: В - процесс обслуживания; С - число серверов (узлов); К - максимальный размер очереди (по умолчанию - ); m - число клиентов (по умолчанию -); z - схема работы буфера (по умолчанию FIFO). Буквы А и В представляют процессы прихода и обслуживания и обычно заменяются следующими буквами, характеризующими закон, соответствующий распределения событий.
D - постоянная вероятность;
M - марковское экспоненциальное распределение;
G - обобщенный закон распределения;
Ek - распределение Эрланга порядка k;
Hk - гиперэкспоненциальное распределение порядка k.
Например, запись M/M/2 означает очередь, для которой времена прихода и обслуживания имеют экспоненциальное распределение, имеется два сервера, длина очереди и число клиентов могут быть сколь угодно большими, а буфер работает по схеме FIFO. Среднее значение длины очереди Q при заданной средней входной частоте сообщений ? и среднем времени ожидания W определяется на основе теоремы Литла:
Q=?w.
2б) Аналитическая формализация на основе анализа выполняемой задачи
Можно рассмотреть тестовые задачи, широко применяемые для оценки коммуникационных сред кластерных систем для формализации межузлового обмена.
В настоящее время для оценки кластерных вычислительных систем наиболее распространены тесты Linpack, NPB (Nasa Parallel Benchmark) и PMB(Pallas MPI Benchmarks).
Список литературы:
1) Султанов А.Х. Гильфанов Т.Д. "Модель коммутатора локальных вычислительных сетей" Программа для ЭВМ. Инв. № 50200501180
2) "Характеристики производительности коммутаторов" http:/www.unix.org.ua/lsok/glava_8.htm
3) http://www.cisco.com/univercd/ cc/td/doc/cisintwk/ito_doc/rmon.htm
4) Семенов Ю.А. "Сетевое моделирование" (ГНЦ ИТЭФ) http:/book.itep.ru/4/45/modl4517.htm
УДК 621.327.8
И.А. Меркулова
Поволжская Государственная Академия Телекоммуникаций и Информатики
ОПРЕДЕЛЕНИЕ ТРЕБУЕМОГО ОБЪЕМА БУФЕРА ИНТЕРНЕТ-ПРОВАЙДЕРА
Каждый провайдер борется за своевременную доставку трафика пользователю, но в сетях передачи данных зачастую возникают проблемы с отправкой информации, приводящие к образованию очереди из неотправленных данных. Образование очередей происходит только в случае, когда интерфейс слишком занят, например, если скорость передачи трафика становится меньше максимальной скорости его формирования [3].
Основные параметры очереди характеризуются свойствами входящего потока требований, потока обслуживания и дисциплины очереди.
Для предотвращения потерь пакетов при кратковременном многократном превышении среднего значения интенсивности трафика единственным средством служит буфер большого объема.
В данной статье произведена оценка пропускной способности буфера памяти, требуемой для хранения данных. В качестве модели рассматривается система массового обслуживания типа G/G/1.
Предположим, что провайдер имеет суммарную полосу пропускания [0;G] и каждому пользователю выделяет полосы, соответствующие тому качеству Интернет - сервиса , которое заказал каждый из них:
[0;] - первый пользователь,
[0;] - второй пользователь,
...
[0;] - N - ый пользователь.
Введем обозначения:
n - номер пакета;
- время ожидания пакета n в очереди;
- время обслуживания пакета n;
- интервал времени между поступлениями n и n+1 пакета.
Все перечисленные величины связаны между собой соотношениями [4]:
, (1)
соответственно,
,
при условии, что n+1 пакет, поступая в систему, застает ее занятой и
, (2)
,
если при поступлении n+1 пакета система свободна.
Необходимо, чтобы для системы выполнялось условие стабильности:
, (3)
В уравнении (1) перейдем к скоростям:
, (4)
где ? интенсивность поступления пакетов, ? интенсивность обслуживания пакетов.
Из (4) следует:
. (5)
Введем величину .
Обозначим через ? функцию распределения величины , следовательно:
. (6)
Из (5) следует, что:
, (7)
Преобразуем (7) и перейдем к пределу при , получим,
что , функция распределения величины обратной времени ожидания, удовлетворяет уравнению [2]:
при . (8)
Уравнение (8) можно переписать по-другому с учетом замены переменных в виде :
при , (9)
где определяется из (6), причем известна суммарная функция распределения входного потока [1], а функция распределения интенсивности обслуживания определена программно на коммутационном уровне.
Дальнейшая цель ? решение уравнения (9), что позволит аналитически определить длину очереди в системе G/G/1.
Литература:
1. Меркулова И.А.. Доступ в Интернет с гарантированной скоростью доставки трафика//Инфокоммуникационные технологии, 2004, Том 2, № 2.- с.27-30.
2. Клейнрок Л. Теория массового обслуживания. - М.: Машиностроение, 1979,432 с.
3. Львов С.П. Интернет-доступ с гарантированной скоростью доставки трафика//ЭС, 2001, № 11.- с.30-33.
4. Д. Кокс, У. Смит. Теория очередей. - М.: Мир, 1966,220 с.
УДК 621.396
В.П. Ильичёв
Поволжская государственная академия телекоммуникаций и информатики
ПОВЫШЕНИЕ ДОСТОВЕРНОСТИ РАСПОЗНАВАНИЯ РЕЧЕВЫХ СИГНАЛОВ
В докладе приводятся результаты экспериментального исследования распределения уровней огибающих средних значений речевых сигналов звукового вещания различных языков народов России.
Исследование статистических свойств огибающей речевых сигналов проводилось при помощи разработанного цифрового анализатора измерения характеристик случайных процессов. Анализатор работает по принципу измерения относительного времени пребывания сигнала огибающей Х(t) выше заданного уровня х. Относительное время пребывания измерялось цифровым счётчиком временных интервалов. Частота следования счётных импульсов составляла 25 кГц при длительности импульса 10 мксек.
Значение функции распределения:
F1(х)=р[Х(t)?х]=1-F(х),
где F(х)-интегральная функция распределения вычислялась по формуле F1(х)=n/N. Здесь n- число импульсов, зарегистрированных счётчиком соответствующего канала; N-общее число импульсов за время измерения.
Функция плотности распределения огибающей Wреч.(x) вычислялась путём графического дифференцирования величины F1(х), что обеспечило меньшую погрешность, чем при её аппаратурном определении. Количество уровней анализа, равное 20, было выбрано согласно [1].При этом допустимая величины относительной погрешности смещения значений функции плотности распределения не превышает 10% для наихудшего случая - релеевского распределения. Проверка показаний анализатора на сигналах синусоидальной формы при отключенной ёмкости в схеме выделения огибающей показала, что на частотах до 1000 Гц погрешность измерений не превышала 10%.
В качестве источника исследуемых сигналов использовались записи образцов разноязычной дикторской речи, сделанных путём копирования с первых копий оригиналов фонотеки. Длительность звучания каждой фонограммы в общей сложности составляла около 40 минут.
На рисунке 1 приведен график результатов экспериментального исследования функции плотности распределения огибающей речевого сигнала. На основании результатов исследования было получено аналитическое выражение, аппроксимирующее экспериментальные исследования.
По критериям согласия ?2 и Колмогорова-Смирнова для уровней значимости 0,05 и 0,01 для усреднённых зависимостей плотности вероятности огибающих средних значений различных речевых сигналов была подтверждена гипотеза о экспоненциальном законе распределения. С достаточной точностью усреднённые дифференциальные функции огибающих речевых сигналов могут быть аппроксимированы математическим выражением:
Рис.1
Экспериментально полученные зависимости позволяют судить о вероятностях появления уровней огибающей речевого сигнала в пределах динамического диапазона и определить дополнительные признаки распознавания речевых сигналов.
Литература:
1. Л.Р. Рабинер, Р.В. Шафер. Цифровая обработка речевых сигналов: Пер. с англ./Под ред. М.В. Назарова и Ю.Н. Прохорова. - М.: Радио и связь, 1981.-496 с., ил.
УДК 621.3
Кузнецов И.В., Городецкий И.И.(1977 г.р.), Жданов Р.Р.
Уфимский государственный авиационный технический университет
ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА ВОЗМОЖНОСТИ ПРИЕМА СИГНАЛА ВТОРИЧНОГО КАНАЛА В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ЧАСТОТЫ НЕСУЩЕГО КОЛЕБАНИЯ
Образование вторичных каналов, т.е. дополнительных каналов в уже существующих телекоммуникационных системах, без нарушения функционирования основной системы, позволяет более полно использовать пропускную способность существующих линий связи. Однако, при образовании вторичных каналов возникает ряд проблем, и среди них одни из важнейших - обеспечение, во-первых, минимального влияния вторичного канала на основной и, во-вторых, возможности выделения сигнала вторичного канала на приемной стороне. Для решения первой задачи очень ценной является возможность подстройки параметров вторичного сигнала под локальные особенности основного сигнала. Предлагается менять частоту несущего колебания вторичного сигнала, что позволит, например, учесть наличие пустот в кратковременном спектре основного сигнала или, если основной сигнал представляет собой изображение, подстроиться под узор, передаваемый в основном канале. Для приема вторичного сигнала предлагается использовать набор стандартных корреляционных преемников, настроенных на разные частоты и работающих параллельно, за исключением решающего устройства, которое является общим для всех "ветвей" приема. На решающее устройство поступает сумма сигналов всех приемников после интегрирования, а само правило принятия решения зависит от вида модуляции и не отличается от стандартных, применяемых в случае, когда несущая частота известна.
В соответствии с вышеприведенными соображениями были проведены эксперименты, основными задачами которых были определение принципиальной возможности приема вторичного сигнала вторичного канала в условиях неопределенности частоты несущего колебания и приблизительная оценка помехоустойчивости. Во всех опытах использовалась фазовая модуляция.
Проведенные эксперименты можно условно разделить на две части. В первой части эксперименты проводились для сигнала основного канала представляющего собой квазибелый шум. Сначала была проведена проверка влияния закона распределения вероятностей использования одной из пяти несущих частот на вероятность ошибки. Длина передаваемого сигнала составила 100000 бит. Были исследованы три варианта - равномерное, "тупоугольное" треугольное и "остроугольное" треугольное распределения. Для всех трех вариантов вероятность ошибки выделения вторичного сигнала была практически одинаковой, что дает возможность гибко изменять соотношения между объемами информации, передаваемой на каждой из несущих без заметного влияния на помехоустойчивость.
Затем исследовалось влияние количества несущих на вероятность ошибки выделения вторичного сигнала. В данном опыте вероятности использования любой из несущих были одинаковы. Длина передаваемого сигнала составила 50000 бит. Как оказалось, при увеличении количества несущих от двух и более (до пяти) вероятность ошибки растет линейно, в то же время точка соответствующая одной несущей не лежит на этой линии (табл. 1 и рис. 1).
Таблица 1.
Зависимость вероятности ошибки от количества частот
(при сохранении постоянной суммарной мощности сигналов)
Количество несущих
1
2
3
4
5
Вероятность ошибки, %
0,072
1,204
3,416
5,634
7,634
Рисунок 1. Зависимость вероятности ошибки от количества частот
(при сохранении постоянной суммарной мощности сигналов)
На основании проведенного опыта можно заключить, что на этапе проектирования системы при выборе количества несущих с учетом требуемой помехоустойчивости достаточно получить три точки - для одной несущей, для двух и для трех, а далее можно линейно экстраполировать результаты для большего количества несущих.
Затем была произведена проверка влияния амплитуды вторичного сигнала на помехоустойчивость вторичного канала при постоянном количестве несущих (две) и длине передаваемого сигнала 50000 бит (табл. 2 и рис. 2).
Таблица 2
Зависимость вероятности ошибки от амплитуды сигналов
Амплитуда
1
2
3
4
5
Вероятность ошибки, %
23,892
7,74
1,622
0,206
0,018
Рисунок 2. Зависимость вероятности ошибки от амплитуды сигналов
Как видно из приведенных результатов опыта, для двух несущих, как и для классического случая одной несущей зависимость вероятности ошибки от амплитуды сигналов имеет вид нелинейной функции.
Во второй части эксперименты проводились для сигнала основного канала представляющего собой статическое изображение kodim22.png размером 768x512 точек из тестового набора Kodak. Для того чтобы приближенно смоделировать условия передачи телевизионного сигнала изображение преобразовывалось из цветовой системы RGB в систему YIQ, применяемую в телевизионном стандарте NTSC. Сигнал вторичного канала, поделенный на 2 части по 512 бит внедрялся в цветовые каналы I и Q. Использовались три несущих частоты. Длительность передачи каждого бита была выбрана таким образом, чтобы сигнал соответствующий отдельному биту занимал целую строку. В результате было обеспечено безошибочное выделение сигнала вторичного канала.
Проведенные эксперименты подтвердили возможность использования нескольких несущих частот для передачи сигнала вторичного канала и показали влияние таких факторов, как количество несущих, вероятность их использования и величина амплитуды сигнала на вероятность ошибки при выделении сигнала вторичного канала.
УДК 621.3
Городецкий И.И.(1977 г.р.), Городецкий И.И.(1953 г.р.), Султанов А.Х.
Уфимский государственный авиационный технический университет
РЕАЛИЗАЦИЯ ЗВУКОВОГО КОДЕКА СТАНДАРТА ITU-T G.711
С ИСПОЛЬЗОВАНИЕМ СИСТЕМЫ MATLAB
В настоящее время широко используется звуковой кодек, стандартизованный отделом Международного союза электросвязи занимающимся телефонией (МСЭ-Т или ITU-T), описанный в документе [1]. Как видно из названия и выходных данных, он был стандартизован еще тогда, когда МСЭ-Т назывался Международным консультативным комитетом по телеграфии и телефонии (МККТТ или CCITT). Несмотря на давний срок принятия данного стандарта, он и сегодня широко применяется в телефонии для передачи телефонного звукового сигнала в цифровой форме.
Основная идея, используемая в описываемом кодеке - логарифмическое компандирование сигнала, т.е. нелинейное квантование сигнала с использованием компрессора на передающей стороне и экспандера на приемной. Это позволяет, во-первых, повысить точность записи выборок небольшой величины за счет снижения качества кодирования больших величин, которые редко встречаются в речевом сигнале. Во-вторых, чувствительность уха человека также логарифмическая, и изменение интенсивности слабого звука на слух заметно сильнее, чем аналогичное изменение силы мощного звука. Также логарифмическое компандирование обеспечивает постоянное отношение сигнала к шуму квантования для всего диапазона амплитуд сигнала [2].
На передающей стороне линейно квантованный ИКМ сигнал пропускается через компрессор, причем существуют два варианта кодирования - A-law (применяется в Европе, для положительных значений входного сигнала описывается формулой (1)) и ?-law (используется в Америке и Японии, формула (2)).
(1)
(2)
В выражении (1) входной сигнал , A=87,6; в выражении (2) . Основание логарифма в формуле (2) произвольное, но одинаковое для числителя и знаменателя. Формулы (1) и (2) описывают идеализированные характеристики преобразования, в реальности же для упрощения и ускорения применяется кусочно-линейная аппроксимация. Амплитудная характеристика компрессора A-law для положительных значений входного сигнала приведена на рис. 1. Значащими считаются 12 старших бит входного сигнала при использовании A-law () и 13 бит при использовании ?-law ().
Рисунок 1. Амплитудная характеристика компрессора A-law
На приемной стороне сигнал пропускается через экспандер, амплитудная характеристика которого обратна характеристике компрессора, в результате чего восстанавливается линейное квантование звукового сигнала.
На основании приведенной в книге [2] реализации стандарта ITU-T G.711 на языке C была разработана программа для системы MATLAB. Проведенное тестирование показало эффективность программы при кодировании речевых фрагментов. Так, при кодировании фрагмента длительностью 16 секунд, характеризующегося типичным для речи распределением уровней сигнала, были получены следующие результаты: при использовании кодирования A-law и ?-law мощность ошибки воспроизведения сигнала была более чем в шесть раз меньше, чем при использовании восьмибитного линейного ИКМ, при одинаковом размере кодированного сигнала.
Основное преимущество реализации кодека в системе MATLAB по сравнению с традиционными языками программирования - легкость исследования сигналов, например построения осциллограмм, сонограмм, спектров и т.п. без написания дополнительных подпрограмм. Кроме того, язык программирования, применяемый в MATLAB, более прост для восприятия непрограммистами. Вышесказанное делает описываемую реализацию звукового кодека удобной для использования в учебном процессе для студентов телекоммуникационных специальностей. В 2004/2005 учебном году разработанная программа использовалась при проведении лабораторных работ по дисциплине "Цифровая обработка сигналов и сигнальные процессоры в системах подвижной радиосвязи" для студентов специальности "Средства связи с подвижными объектами" кафедры телекоммуникационных систем УГАТУ.
Литература
1. CCITT Recommendation G.711: Pulse Code Modulation of Voice Frequences (Geneva: International Telecommunication Union, 1972).
2. Кинтцель Т. Руководство программиста по работе со звуком. - М.: ДМК Пресс, 2000.
УДК 621.3
Городецкий И.И.(1977 г.р.), Городецкий И.И.(1953 г.р.)
Уфимский государственный авиационный технический университет
МОДЕЛИРОВАНИЕ ТЕЛЕКОММУНИКАЦИОННОЙ СИСТЕМЫ ИСПОЛЬЗУЮЩЕЙ МОДУЛЯЦИЮ OQPSK И НЕЛИНЕЙНЫЙ РЕЖИМ УСИЛЕНИЯ ПЕРЕДАТЧИКА
<< Пред. стр. 3 (из 13) След. >>
Список литературы по разделу