数字信号处理中的现代技术应用与发展研究.docx

数字信号处理中的现代技术应用与发展研究 14020710021张吉凯 信号处理分为模拟信号处理和数字信号处理两种。模拟信号是在指时间连续、幅度连续的信号。数字信号是在时间和幅度上都是离散的信号。数字信号处理是将信号以数字的方式表示并处理的理论和技术；用数字方法对信号进行分析、变换、滤波、检测、调制、解调以及快速算法的一门技术学科；有关数字滤波技术、离散变换快速算法和谱分析方法。 其实，数字信号处理是一门独立的信息科学学科。在语言处理、图像处理、雷达、航空航天、地质勘探、通信、生物医学工程等领域广泛应用。 数字图像处理。一般为了提高图像的视感质量，便于图像的存储和传输。会利用图像数据的变换、编码和压缩等数字处理方式进行处理。如利用傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理。 语音识别技术。语音的识别也是一个充分利用数字信号处理方法的过程。从语音信号采集，语音信号分析、处理的每一个环节都会应用数字信号处理的理论。语音信号分析环节中，利用加窗的方法从语言流中取出一小段进行傅里叶变换得到该语言信号的短时谱，在具体分析语音中的浊音和清音。 生物医学信号处理。医院中被广泛应用的X光成像就是一个典型实例。X射线断层的基本原理是X射线穿过被观测物体后构成物体的二维投影。接收器接收后，再经过恢复或重建，即可在一系列的不同方位计算出二维投影,经过运算处理即取得实体的断层信息,从而大屏幕上得到断层造像。 数字信号处理在其他方面还有多种用途，还有如雷达信号处理、地学信号处理等等。近年来，随着信息技术的发展,涌现出很多先进的数字信号处理技术[1-5]。 小波变换是一种新的变换分析方法，不仅继承了短时傅立叶变换局部化的精髓，同时还克服了窗口大小不随频率变化等缺点，是进行信号时频分析和处理的理想工具。随着小波变换技术的不断完善，小波变换技术已在故障诊断、小波神经网络、过程辩识与建模、软测量技术、预测控制、鲁棒控制、机器人控制和采用小波分析进行编码压缩与量化等方面有着广泛的应用。 小波的构造是以傅里叶变换为工具，而不满足傅里叶变换的场合，小波就不再适用。小波变换是建立在卷积运算基础之上的，因此这种小波变换不仅计算量大，效率也不高，对存储空间的要求较高。为此，研究人员通过进一步研究，提出利用提升将小波变换分解成有限步的提升过程，就完全脱离了傅里叶变换，利用提升研究整数到整数的小波变换，即提升小波变换。由于提升小波变换具有同址计算功能，不需要借助傅里叶变换就可以获得逆变换，由于不需要对变换后的系数进行量化，因此提供了实现无损压缩的可能性。 经验模态分解就是将时域信号按照频率尺度分解的数值算法，结果是将信号中不同尺度的波动逐级分解出来，产生出系列具有不同特征尺度的固有模态函数。经验模态分解可应用于任何类型信号的分解，因此经验模态分解在不同的工程领域得到了广泛的应用。经验模态分解在处理非平稳及非线性数据方面，具有明显优势，适用于分析非线性、非平稳信号序列,具有很高的信噪比。 独立分量分析是指从多个源信号的线性混合信号中分离出源信号的技术。即独立分量分析是基于信号源之间的相互统计的独立性。应用独立分量分析技术在消除噪声的同时,对其他信息的细节几乎没有破坏，去除噪声的性能也要比传统的滤波方法好很多，具有非常重要的应用价值。 基于独立分量分析技术的特点，使其在通信工程、 医学工程、语音信号处理等领域得到迅速而广泛的应用。 通常来说,模糊计算的基础是模糊逻辑，模糊计算技术是以模糊集理论为基础，模拟人脑非精确、非线性的信息处理能力的技术。模糊计算技术最初是由美国科学家提出来的，而且对其进行了深入的研究，使模糊计算技术发展迅速，也被称为未来信息领域的核心技术。近年来，随着信息科学的发展，不仅模糊逻辑的应用进展迅速，而模糊计算技术的应用也获得了突破。虽然模糊计算技术是数字信号处理的前沿技术，但应用前景还是非常广阔的。 神经计算技术是指以高级动物的神经系统，特别是人脑的智能活动为模仿对象，研究神经智能系统的工作机理、组织机构和计算机制等，并在工程上让机器实现要人脑认知思维功能才能完成的工作，以解决实际中大量智能应用问题的一门学科。由于神经网络所具有的特点以及联想功能和容错功能等特征，因此将神经网络的研究成果与信息技术与理论进行融合发展，形成了神经计算技术。神经计算技术应用已经非常广泛，如智能控制、通信工程、语言和图象识别等方面。 进化计算技术是在进化论的基础上发展起来的，已经受到很多领域的高度重视。进化计算技术就是一种模拟生物遗传和进化的随机寻优技术。要实现这种模拟进化，只有遗传算法，进化策略和进化规则3种方法。人们对遗传算法的研究比较深入，遗传算法将变异操作看作是算法的辅助操作，而进化