一、引言

dtmf（双音多频）信号是电话网中常用的信令，无论是家用电话、移动电话还是程控交换机上，多采用dtmf信号发送接收号码。dtmf技术还可以用于电力线载波通信等场合。可见，dtmf拨号和解码在通信系统及其它方面有着广泛的应用。dtmf信号的解码目前常用的方法有两种：一种方法是采用滤波器组来分离8个dtmf信号。滤波器组的实现既可以用模拟滤波器，也可以用数字滤波器，这种方法在时域中进行分离。第二种方法是采用dft或者goertzel算法来检测8个信号的强弱，这种方法在频域中进行分离。然而，上述两种传统的dtmf信号检测方法都存在一定的缺陷，即在强信道噪声干扰下常常不能正确工作。本文提出了一种新的基于改进的adaline(adaptive linear neuron)神经网络的dtmf信号检测算法，其结构简单计算量适中，并且能够在强背景噪声干扰下正常检测，实验显示它比传统方法有更强的抗干扰能力。文章首先介绍了基于改进的adaline神 经网络的dtmf信号检测算法，然后给出了此方法的仿真结果，最后给出了采用tms320c5402 dsp和tlv320aic10 aic实现dtmf信号检测器的工程应用方案设计。

二、dtmf信号

dtmf信号是将拨号盘上的0~9、a~d及*/e、#/f共16个字符，用音频范围的8个频率来表示的一种编码方式。8个频率分为高频群和低频群两组，分别作为列频和行频。每个字符的信号由来自列频和行频的两个频率的正弦信号叠加而成。频率组合方式如图1所示。


图1

根据itu-r q.23建议[1]，dtmf信号的技术指标是：传送/接收率为每秒约10个号码，或每个号码120ms。每个号码传送过程中，信号存在时间至少65ms，且不多于75ms，120ms的其余时间是静音。在每个频率点上允许有不超过 1.8%的频率误差。任何超过给定频率 3.5%的信号，均被认为是无效的，拒绝承认接收。另外，在最坏的检测条件下，信噪比不得低于15db。

三、基于改进的adaline神经网络的dtmf检测算法

神经网络是信号处理发展的一个新方向，它可以在先验知识未知的情况下，通过对输入信号的自学习，实时调整网络的权系数和偏置值，使网络得到最佳的期望输出。神经网络具有内在的自适应性和非线性，能够得到鲁棒性和抗干扰能力更强的系统[3]。

adaline神经网络是widrow和hoff提出的[2,3]，它的一般结构如图2所示，采用lms算法。输入信号x(n)及其延迟序列是网络的输入，网络输出a(n)与某个目标输出t(n)的差得到误差信号e(n)，然后网络按照lms算法调整权系数和偏置值，并按此方式循环处理。

p;
图2

adaline神经网络非常适合于信号的检测与提取或噪声消除，此时它的一般结构如图3所示[1]。在一定的噪声参考输入下，网络能够自适应的跟踪和捕捉混杂信号中的相应成分，网络输出企图逼近待检测的混杂信号，但是因为噪声参考信号与有用信号不相关或者弱相关，它只能复制到与噪声参考信号强相关的成分 。于是混杂信号中的噪声成分被自适应的跟踪，进而可以被消除，误差信号"恰好"就是恢复出来的有用信号。这种结构的adaline神经网络在飞机客舱消噪系统和脑电图检测等方面得到了成功的应用[2,5,6]。


图3

然而，实践表明，一般结构的adaline网络(图2或图3)用于检测dtmf信号的效果并不好，需要进行改进。dtmf信号的检测可以看成是要在受噪声污染的信号中检测并判断是否存在某个特定信号（8个频率的信号）。基于这一点，我们提出了一种如图4所示的改进的adaline神经网络，非常适合于dtmf信号的检测。它与一般结构的adaline网络有两点不同：(1)它用dtmf分量参考信号作网络的输入，而把待检测信号作为期望输出。(2)增加一个非线性处理环节，非线性地增强或抑制网络的跟踪结果以增强网络的效果。

改进的adaline神经网络(图4)的工作原理如下：

x(n)是受噪声污染的待检测输入信号，它作为网络的期望输出；提供给网络的输入是某个特定的dtmf分量频率正弦信号ref(n)，其频率是8个dtmf频率之一；网络自适应跟踪的中间信号是a(n)。非线性环节对a(n)进行进一步的增强或抑制，最终网络输出是y(n)。

一、引言

dtmf（双音多频）信号是电话网中常用的信令，无论是家用电话、移动电话还是程控交换机上，多采用dtmf信号发送接收号码。dtmf技术还可以用于电力线载波通信等场合。可见，dtmf拨号和解码在通信系统及其它方面有着广泛的应用。dtmf信号的解码目前常用的方法有两种：一种方法是采用滤波器组来分离8个dtmf信号。滤波器组的实现既可以用模拟滤波器，也可以用数字滤波器，这种方法在时域中进行分离。第二种方法是采用dft或者goertzel算法来检测8个信号的强弱，这种方法在频域中进行分离。然而，上述两种传统的dtmf信号检测方法都存在一定的缺陷，即在强信道噪声干扰下常常不能正确工作。本文提出了一种新的基于改进的adaline(adaptive linear neuron)神经网络的dtmf信号检测算法，其结构简单计算量适中，并且能够在强背景噪声干扰下正常检测，实验显示它比传统方法有更强的抗干扰能力。文章首先介绍了基于改进的adaline神 经网络的dtmf信号检测算法，然后给出了此方法的仿真结果，最后给出了采用tms320c5402 dsp和tlv320aic10 aic实现dtmf信号检测器的工程应用方案设计。

二、dtmf信号

dtmf信号是将拨号盘上的0~9、a~d及*/e、#/f共16个字符，用音频范围的8个频率来表示的一种编码方式。8个频率分为高频群和低频群两组，分别作为列频和行频。每个字符的信号由来自列频和行频的两个频率的正弦信号叠加而成。频率组合方式如图1所示。


图1

根据itu-r q.23建议[1]，dtmf信号的技术指标是：传送/接收率为每秒约10个号码，或每个号码120ms。每个号码传送过程中，信号存在时间至少65ms，且不多于75ms，120ms的其余时间是静音。在每个频率点上允许有不超过 1.8%的频率误差。任何超过给定频率 3.5%的信号，均被认为是无效的，拒绝承认接收。另外，在最坏的检测条件下，信噪比不得低于15db。

三、基于改进的adaline神经网络的dtmf检测算法

神经网络是信号处理发展的一个新方向，它可以在先验知识未知的情况下，通过对输入信号的自学习，实时调整网络的权系数和偏置值，使网络得到最佳的期望输出。神经网络具有内在的自适应性和非线性，能够得到鲁棒性和抗干扰能力更强的系统[3]。

adaline神经网络是widrow和hoff提出的[2,3]，它的一般结构如图2所示，采用lms算法。输入信号x(n)及其延迟序列是网络的输入，网络输出a(n)与某个目标输出t(n)的差得到误差信号e(n)，然后网络按照lms算法调整权系数和偏置值，并按此方式循环处理。

p;
图2

adaline神经网络非常适合于信号的检测与提取或噪声消除，此时它的一般结构如图3所示[1]。在一定的噪声参考输入下，网络能够自适应的跟踪和捕捉混杂信号中的相应成分，网络输出企图逼近待检测的混杂信号，但是因为噪声参考信号与有用信号不相关或者弱相关，它只能复制到与噪声参考信号强相关的成分 。于是混杂信号中的噪声成分被自适应的跟踪，进而可以被消除，误差信号"恰好"就是恢复出来的有用信号。这种结构的adaline神经网络在飞机客舱消噪系统和脑电图检测等方面得到了成功的应用[2,5,6]。


图3

然而，实践表明，一般结构的adaline网络(图2或图3)用于检测dtmf信号的效果并不好，需要进行改进。dtmf信号的检测可以看成是要在受噪声污染的信号中检测并判断是否存在某个特定信号（8个频率的信号）。基于这一点，我们提出了一种如图4所示的改进的adaline神经网络，非常适合于dtmf信号的检测。它与一般结构的adaline网络有两点不同：(1)它用dtmf分量参考信号作网络的输入，而把待检测信号作为期望输出。(2)增加一个非线性处理环节，非线性地增强或抑制网络的跟踪结果以增强网络的效果。

改进的adaline神经网络(图4)的工作原理如下：

x(n)是受噪声污染的待检测输入信号，它作为网络的期望输出；提供给网络的输入是某个特定的dtmf分量频率正弦信号ref(n)，其频率是8个dtmf频率之一；网络自适应跟踪的中间信号是a(n)。非线性环节对a(n)进行进一步的增强或抑制，最终网络输出是y(n)。

上一篇：蓝牙技术在无线接入网中的应用

上一篇：激光加工机器人通信协议及其实现

相关技术资料

8-1SMBRKxxA65BIS3及SMBRKxxA65BCS3系列

8-1​Faroudja视频处理技术触摸及显示控制器

8-1Wi-Fi/BT Combo 芯片​​AIROC 系列

8-1​高端CMOS图像传感器​应用场景简述

8-1​832 KB单电压嵌入式Flash存储器应用探究

8-1​超薄柔性嵌入式显示触摸面板单芯片触摸屏控制器

7-31​65V双向降压-升压控制器技术参数应用

7-31​业界首款32 位图形微控制器 (MCU)应用详解

7-31​8位数字衰减器​ADRF5702参数​(L

7-3132 位 MCU内核​M4 和 -M85 处理器

7-31​集成四核 CPU 和 NPU 的微处理器 (MPU)

7-31小型、低 RON、单通道负载开关​​TPS22991I

相关IC型号