本文目录一览

1，通信系统中FM采用预加重与去加重技术可达到什么目的

语音和图像信号低频段能量大，高频段信号能量明显小；而鉴频器输出噪声的功率谱密度随频率的平方而增加（低频噪声小，高频噪声大），造成信号的低频信噪比很大，而高频信噪比明显不足，使高频传输困难。调频收发技术中，通常采用预加重和去加重技术来解决这一问题。预加重可以实现发送端对输入信号高频分量的提升。去加重可以实现解调后对高频分量的压低。

通信系统中FM采用预加重与去加重技术可达到什么目的

2，谁能帮我解释一下预加重处理各原件的功能啊公式等等

不同的用途不同的解释，但主要目的是改变通道的幅频特性，该电路等效一个二阶滤波。C1是隔直，对高频又是提前加速，在系统里也叫微分，同时提供交流通道，C2、R2是一个比例微分，也是对低频区域形成衰减截止，看阻值和容量工作频率应该在音频比较合适，衰减一个截止频率内的低频分量，找公式和频响曲线，就要花时间来分析了。
不明白啊 = =！

谁能帮我解释一下预加重处理各原件的功能啊公式等等

3，提问请问哪位知道预加重的真是电路

我觉得需要加主动器件，就是运放，不然负值是怎么出现的，虽然姐姐大概的作用以及系数和乘法器，但是还是想进一步了解里面的电路，因为想能不能模拟这部分电路，做个仿真
不可以这么理解...虽然也是有滤波的作用...也只能理解成主动式滤波器，而不是一个单独的被动电容。pre-emphasis和de-emphasis中间都是有运放和延迟电路的，根据tap数去增加级数，并且增益也不一样如果你不是要做底层驱动的硬件设计，无需理解这个电路，只需要以数字的方式来了解这个增益和tap级就可以了

提问请问哪位知道预加重的真是电路

4，语音识别系统的预加重是怎样通过通过差分方程实现的

应该是的，S1(n)（n：0..N-1）表示时域信号，预加重公式为：S(n) = S1(n) – a×S1(n-1) (0.9 < a < 1.0)---------------每字节做差分，该过程可以达到在音框化阶段对静音数据的判断，因为静音数据的值是几乎不变的，所以在做差分以后值会很小，接近于0，而有声音的数据则会保留较大的值S(n)=(S1(n)-128)/128，此时还是不分帧的好，这样就只需要做完帧数据大小一半的差分，差分后必须以short以及比它字节大的有符号类型，因为差分结果可能为负，且超过char的范围，造成溢出。具体的可以参考以下链接：http://blog.csdn.net/c395565746c/article/details/6210920
现在有些车载语言使用的识别系统真的是很差劲哎，不过最近我在新闻上看到一款新的东东，叫趣驾wedrive，功能很强大的，光是说他的车载语音识别系统就很厉害的，因为用的qq输入法的语音识别，这个我平时用手机聊天也有用到的，正确率很高呢，感兴趣的话可以去新闻上看下呢。

5，什么是预加重

一楼简直胡说八道。 预加重是信息科学特别是通信专业的专用术语名词。 所谓的预加重是为便于信号的传输或记录，而对其某些频谱分量的幅值相对于其他分量的幅值预先有意予以增强的措施。 原因： 许多实际的消息信号，例如语言、音乐等，它们的功率谱随频率的增加而减小，其大部分能量集中在低频范围内。这就造成消息信号高频端的信噪比可能降到不能容许的程度。但是由于消息信号中较高频率分量的能量小，很少有足以产生最大频偏的幅度，因此产生最大频偏的信号幅度多数是由信号的低频分量引起。平均来说，幅度较小的高频分量产生的频偏小得多。所以调频信号并没有充分占用给予它的带宽。因为调频系统的传输带宽是由需要传送的消息信号（调制信号）的最高有效频率和最大频偏决定的。然而，接收端输入的噪声频谱却占据了整个调频带宽。这就是说，在鉴频器输出端噪声功率谱在较高频率上已被加重了。 为了抵消这种不希望有的现象，在调频系统中人们普遍采用了一种叫做预加重和去加重措施，其中心思想是利用信号特性和噪声特性的差别来有效地对信号进行处理。即在噪声引入之前采用适当的网络（预加重网络），人为地加重（提升）发射机输入调制信号的高频分量。然后在接收机鉴频器的输出端，再进行相反的处理，即采用去加重网络把高频分量去加重，恢复原来的信号功率分布。在去加重过程中，同时也减小了噪声的高频分量，但是预加重对噪声并没有影响，因此有效地提高了输出信噪比。

6，语音信号处理

RASTA:RelAtive SpecTrA相关谱PLP：Perceptual Linear Predictive感知加权线性预测这是语音信号的两个特征参数，RASTA-PLP一般是指利用Rasta提取的PLP参数（在语音识别时多用），或者是指利用RASTA进行PLP的过程（这个在参数语音合成时多用）。
mfcc是计算语音信号的mel频率倒谱系数,mel频率是基于人耳听觉特性提出来的，它与hz频率成非线性对应关系。mel频率倒谱系数(mfcc)则是利用它们之间的这种关系，计算得到的hz频谱特征，mfcc已经广泛地应用在语音识别领域。由于mel频率与hz频率之间非线性的对应关系，使得mfcc随着频率的提高，其计算精度随之下降。因此，在应用中常常只使用低频mfcc，而丢弃中高频mfcc。mfcc参数的提取包括以下几个步骤： ? 预滤波（低通）：前端带宽为300-3400hz的抗混叠滤波器。 ? a/d变换：采样频率，线性量化精度。 ? 预加重：通过一个一阶有限激励响应高通滤波器，使信号的频谱变得平坦，不易受到有限字长效应的影响。 ? 分帧：根据语音的短时平稳特性，语音可以以帧为单位进行处理，实验中选取的语音帧长为32ms，帧叠为16ms。 ? 加窗：采用哈明窗对一帧语音加窗，以减小吉布斯效应的影响。 ? 快速傅立叶变换（fast fourier transformation, fft）：将时域信号变换成为信号的功率谱。 ? 三角窗滤波：用一组mel频标上线性分布的三角窗滤波器（共24个三角窗滤波器），对信号的功率谱滤波，每一个三角窗滤波器覆盖的范围都近似于人耳的一个临界带宽，以此来模拟人耳的掩蔽效应。 ? 求对数：三角窗滤波器组的输出求取对数，可以得到近似于同态变换的结果。 ? 离散余弦变换（discrete cosine transformation, dct）：去除各维信号之间的相关性，将信号映射到低维空间。 ? 谱加权：由于倒谱的低阶参数易受说话人特性、信道特性等的影响，而高阶参数的分辨能力比较低，所以需要进行谱加权，抑制其低阶和高阶参数。 ? 倒谱均值减（cepstrum mean subtraction, cms）：cms可以有效地减小语音输入信道对特征参数的影响。 ? 差分参数：大量实验表明，在语音特征中加入表征语音动态特性的差分参数，能够提高系统的识别性能。可用到了mfcc参数的一阶差分参数和二阶差分参数。采样前的低通滤波，主要是消除采样时的频谱混叠。由硬件完成。预加重主要是提高高频的频谱分量。软件，硬件都可以完成。预加重前，也可以用高通滤波器，消除低频噪音。如果计算mfcc是有了预加重。之前的预加重就不要做。采样前的硬件低通滤波是一定要做的。计算mfcc时的滤波，看起的作用是什么？如果是进一步消除噪音，那就必须做。

文章TAG：预加重  通信系统中FM采用预加重与去加重技术可达到什么目的  
下一篇