论文部分内容阅读
【摘 要】本文结合数字信号处理的特点，对数字信号处理的前沿技术进行了简单的分析。从小波变换、提升小波变换、经验模态分解、独立分量分析、模糊计算技术、神经计算技术、进化计算技术、混沌计算技术、分形计算技术等方面分析了数字信号处理的前沿技术。综合研究，这些数字信号处理的前沿技术发展迅速，并且具有广阔的应用前景。
【关键词】数字信号；信号处理；前沿技术；智能技术
应用分析数字信号处理就是用数值计算的方式对信号进行加工的理论和技术。数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。在进行数字信号处理之前要使用模数转换器将信号从模拟域转换到数字域。通常情况下，数字信号处理的输出经常也要变换到模拟域，这也是通过数模转换器实现的。
一、数字信号处理的特点
数字信号处理技术在测量控制和仪器仪表领域的应用，有效地推动了测量控制和仪器仪表学科的发展。近年来，测量控制和仪器仪表领域基本上都采用数字信号处理技术来取代模拟信号调理电路，该领域应用的数字信号处理技术有3类。第1类是数字滤波技术，主要目的是剔除信号噪声；第2类是数字信号分析技术，其目的是估计和提取信号的相关信息；第3类是在信号分析的基础上，进行识别和判断等方面的技术。数字信号处理方法具有精度高、稳定性好、可程序控制、重复性好等特点。即数字信号处理系统的精度取决于数值计算的有效字长，通常比模拟系统处理信号的精度要高很多；不可能出现温度漂移和时间漂移现象；由于应用数字滤波器的灵活性，对同1个硬件配置可通过编程控制来执行多样的信号处理任务；使用多台硬件运行同1个数字信号处理程序，可得到完全相同的处理结果。
二、前沿技术分析
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。
（一）小波变换
小波变换是1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。由于小波变换具有分辨率高，带通滤波器在不同尺度下对信号作滤波功能等优点，因此适当选择基本小波，可使小波变换在时频两域都具有表征信号局部特性的能力，有利于检测信号的瞬态等功能。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。
（二）提升小波变换
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。
（三）经验模态分解
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。
（四）独立分量分析
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。
（五）模糊计算技术
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。
（六）神经计算技术
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。
（七）进化计算技术
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，而进化策略和进化规划则认为交叉并不优于变异，可以去掉交叉操作。近年来，遗传算法已经渗透到信息科学、计算数学、通信工程等诸多领域，遗传算法的应用已经非常广泛，如机器人等领域等。遗传算法除优化计算以外，还可以应用到更加复杂的场合，如遗传编程等，但遗传编程还目前还不成熟，有待于进一步研究。
（八）混沌计算技术
混沌计算是一种使用混沌单元实现基本逻辑门的新计算模式，从而使复杂公式的计算得到简化。综合利用人为生成的混沌，从中获得混沌动力学可能具有的功能，并对获取的混沌信号进行分析，找出其中存在的规律，用以解决计算理论、预测理论和控制论等方面存在的实际问题。目前混沌计算技术已经广泛应用于天气预测、医学中的心律分析、通信工程和计算机网络等方面。信息处理和混沌动力学的有效结合将产生新的通信模式，来传递隐藏的信息，即初级的保密通信。
（九）分形计算技术
分形技术是当前计算智能和非线性科学的研究热点之一，已经进入图形图像等信息科学的各个分支领域。由于分形是图形图像的特征参数，因此将分形应用于图像分析与模式识别、图像生成、分形神经网络、信号滤波与图像处理等领域的研究取得了一些进展，其应用前景将非常广阔。目前，分形计算技术已经成功应用于地质勘探、疾病诊断、信息科学和股市预测等领域，为人们的生产和生活解决了诸多技术难题。
三、结束语
通过对数字信号处理中的前沿技术的分析，有理由对数字信号处理技术的发展充满信心，相信通过信息技术的进步，定将对数字信号处理技术具有促进作用，数字信号处理技术已经深入到人们生活的诸多领域，因此数字信号处理技术的未来应用前景是广阔的。
【参考文献】
[1]林玉池.测量控制与仪器仪表前沿技术及发展趋势[M].天津：天津大学出版社，2008：156-184.
[2]何铭.关于数字信号处理技术的发展与思考[J].中国电子商务，2011（11）：55.
[3]孙炳.关于数字信号处理技术的应用与发展研究[J].信息通信，2015（7）：177.
[4]马天翔，詹继承.关于数字信号处理技术的应用与发展[J].电子世界，2013（11）：20.
【关键词】数字信号；信号处理；前沿技术；智能技术
应用分析数字信号处理就是用数值计算的方式对信号进行加工的理论和技术。数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。在进行数字信号处理之前要使用模数转换器将信号从模拟域转换到数字域。通常情况下，数字信号处理的输出经常也要变换到模拟域，这也是通过数模转换器实现的。
一、数字信号处理的特点
数字信号处理技术在测量控制和仪器仪表领域的应用，有效地推动了测量控制和仪器仪表学科的发展。近年来，测量控制和仪器仪表领域基本上都采用数字信号处理技术来取代模拟信号调理电路，该领域应用的数字信号处理技术有3类。第1类是数字滤波技术，主要目的是剔除信号噪声；第2类是数字信号分析技术，其目的是估计和提取信号的相关信息；第3类是在信号分析的基础上，进行识别和判断等方面的技术。数字信号处理方法具有精度高、稳定性好、可程序控制、重复性好等特点。即数字信号处理系统的精度取决于数值计算的有效字长，通常比模拟系统处理信号的精度要高很多；不可能出现温度漂移和时间漂移现象；由于应用数字滤波器的灵活性，对同1个硬件配置可通过编程控制来执行多样的信号处理任务；使用多台硬件运行同1个数字信号处理程序，可得到完全相同的处理结果。
二、前沿技术分析
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。
（一）小波变换
小波变换是1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。由于小波变换具有分辨率高，带通滤波器在不同尺度下对信号作滤波功能等优点，因此适当选择基本小波，可使小波变换在时频两域都具有表征信号局部特性的能力，有利于检测信号的瞬态等功能。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。
（二）提升小波变换
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。
（三）经验模态分解
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。
（四）独立分量分析
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。
（五）模糊计算技术
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。
（六）神经计算技术
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。
（七）进化计算技术
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，而进化策略和进化规划则认为交叉并不优于变异，可以去掉交叉操作。近年来，遗传算法已经渗透到信息科学、计算数学、通信工程等诸多领域，遗传算法的应用已经非常广泛，如机器人等领域等。遗传算法除优化计算以外，还可以应用到更加复杂的场合，如遗传编程等，但遗传编程还目前还不成熟，有待于进一步研究。
（八）混沌计算技术
混沌计算是一种使用混沌单元实现基本逻辑门的新计算模式，从而使复杂公式的计算得到简化。综合利用人为生成的混沌，从中获得混沌动力学可能具有的功能，并对获取的混沌信号进行分析，找出其中存在的规律，用以解决计算理论、预测理论和控制论等方面存在的实际问题。目前混沌计算技术已经广泛应用于天气预测、医学中的心律分析、通信工程和计算机网络等方面。信息处理和混沌动力学的有效结合将产生新的通信模式，来传递隐藏的信息，即初级的保密通信。
（九）分形计算技术
分形技术是当前计算智能和非线性科学的研究热点之一，已经进入图形图像等信息科学的各个分支领域。由于分形是图形图像的特征参数，因此将分形应用于图像分析与模式识别、图像生成、分形神经网络、信号滤波与图像处理等领域的研究取得了一些进展，其应用前景将非常广阔。目前，分形计算技术已经成功应用于地质勘探、疾病诊断、信息科学和股市预测等领域，为人们的生产和生活解决了诸多技术难题。
三、结束语
通过对数字信号处理中的前沿技术的分析，有理由对数字信号处理技术的发展充满信心，相信通过信息技术的进步，定将对数字信号处理技术具有促进作用，数字信号处理技术已经深入到人们生活的诸多领域，因此数字信号处理技术的未来应用前景是广阔的。
【参考文献】
[1]林玉池.测量控制与仪器仪表前沿技术及发展趋势[M].天津：天津大学出版社，2008：156-184.
[2]何铭.关于数字信号处理技术的发展与思考[J].中国电子商务，2011（11）：55.
[3]孙炳.关于数字信号处理技术的应用与发展研究[J].信息通信，2015（7）：177.
[4]马天翔，詹继承.关于数字信号处理技术的应用与发展[J].电子世界，2013（11）：20.