激光语音监听信号高保真解调及信噪比优化方法与流程

本发明涉及激光语音监听技术改进，具体涉及一种激光语音监听信号高保真解调及信噪比优化方法，属于激光探测。

背景技术：

1、监听是语音情报信息获取的重要手段，监听的手段有多种，电子监听是使用较为普遍的手段。随着反侦查技术的发展，这种传统的技术手段越来越难以实施。在技术上，无线监听技术极容易被干扰或屏蔽，也容易被无线监测设备发现。在实施上，电子监听有着很大的实施难度和风险，因为有些场合特殊人员较难靠近，带发射设备的侦测手段极易被监听对象发觉。激光监听基于多普勒频移原理，利用对激光的频率调制与解调来实现对目标几近实时的一种现代监听技术。

2、如何将所监听声源附近物体表面的振动信号有效还原成实际语音信息是实现有效监听的关键步骤。然而，所接收到的探测光强度十分微弱，其强度仅介于-90db至-60db之间。同时，监听过程中，激光中心频率的自然偏移，环境振动或干扰引起的载波的延迟或跳变，驱动电路和反馈控制系统的电子基噪以及监听环境噪声、光强噪声、信道噪声等都难以避免。载波的不稳定性以及种类繁多且强度非稳态的噪声会严重地影响目标信号的解调工作，使得本身极其微弱的探测信号完全被淹没在解调误差噪声以及硬件与环境噪声之中，导致激光监听系统的性能严重下降。

3、监听信号的解调精度决定了探测信息的还原程度。目前主流的激光监听信号的解调算法主要有反正切算法以及微分交叉相乘算法两种，其主要步骤是先将探测信号与载波信号混频，而后通过低通滤波的方法得到一对与待测相位相关的正交信号，正交信号即可通过微分交叉相乘算法或反正切算法求解，得到探测信息。但微分交叉相乘算法的解调结果受到光强波动及干涉臂偏振态变化的影响较大，而反正切算法在信噪比极低的情况下波形更易出现相位跳跃性截断，相位模糊严重。

4、同时，不论是反正切或是微分交叉相乘算法，监听信号的解调均需用到与激光发射端发出的载波信号同频同相的解调中频信号。而受监听系统的光路延迟、光电转换延迟、电路延迟、声光移频器不稳定等因素影响，激光发射端发出的载波信号往往存在相位延迟或误差，导致解调信号与实际监听信号载波存在频率偏差，以上述传统的两种方式解调监听信号将造成语音畸化。

5、并且，激光监听所探测的振动是极微弱的(振幅在纳米级)，受到楼体振动或被投射物体抖动(如窗帘随风轻微摆动)等环境因素的影响，监听设备以及被投射物体之间存在相对运动，表征的现象即为投射到目标物体上的光斑存在肉眼可见的晃动与跳动。这将导致调制信号存在大幅度且极快速的频率漂移，且频率漂移量可达到探测载波频率的50％以上，该频移量是正常语音信号频率的几十倍，使用微分交叉相乘算法与反正切算法均使得语音信号无法解调并产生大量刺耳的噪声。

6、此外，激光监听信号的信噪比是极低的，传统的解调方案无法完成信噪分离，需要借助降噪算法来完成信噪分离，提升信噪比及监听语音的可懂程度。目前主流的信噪分离算法主要包括：i：谱减法；ⅱ：维纳滤波法；ⅲ：最小均方误差估计法；ⅳ：时频浮值掩膜法等。但监听动态过程中的噪声是非平稳性的，具有强烈的随机性，在噪声强度突变处易发生信噪比激变等特点。而以上信号信噪优化算法均是基于信号与噪声之间各自特性或彼此作用关系的研究假设，无法基于动态变化的信噪特征完成针对性的信噪分离。

7、有效探测信号高精识别提取是提升监听效果的最重要的手段。然而，激光监听是一个长时的动态过程，在此过程中，探测信号及其对应的信噪比亦是动态变化的。因此，每一帧探测信号所携带的语音信息以及与语音相伴随的噪声组合是不同的。在监听动态过程中，传统解调算法无法针对每一帧信号的特点进行信号识别与信噪分离，利用上述方法处理激光监听信号易损伤有用信号，产生信号的信号失真，降低探测语音信号的清晰度与易懂度。实际上，与激光监听技术相匹配的极微弱探测信号高保真信号识别与信噪分离手段的匮乏，已成为制约激光监听技术发展与应用的重要瓶颈之一。

技术实现思路

1、针对现有技术存在的上述不足，本发明的目的是提供一种激光语音监听信号高保真解调及信噪比优化方法。本发明能够实现有效信号与非平稳噪声之间的高精度分离，在完成信号识别提取的同时实现信噪优化。

2、为了实现上述目的，本发明采用的技术方案如下：

3、激光语音监听信号高保真解调及信噪比优化方法，按如下步骤进行，

4、1)将激光语音监测得到的探测信号和对应的实际语音信号作为训练样本；对训练样本中的探测信号进行预处理，以使探测信号中调制信息的重要表征参数能够尽量准确地传递进入步骤2)拟训练的人工智能模型；

5、2)将步骤1)预处理后的探测信号输入人工智能模型进行训练；得到训练后的人工智能模型；训练时，将信号提取策略作用于输入的预处理后的探测信号；

6、3)将实际待解调的探测信号按步骤1)同样的方法进行预处理；

7、4)将步骤3)预处理后的实际待解调探测信号输入步骤2)训练后的人工智能模型中，输出即为解调信号。

8、进一步地，步骤1)训练样本中的探测信号和对应的实际语音信号分别被分解为相同的能够一一对应的若干帧，每帧在人工智能模型训练时采用的信号提取策略彼此独立。

9、进一步地，步骤2)人工智能模型训练时，人工智能模型通过自身的输出和该探测信号对应的实际语音信号进行比较，以评估训练时采用的信号提取策略的优劣；人工智能模型根据信号提取策略的优劣，对信号提取策略进行持续改进，然后再作用于再次输入人工智能模型的探测信号；如此循环往复，直到人工智能模型被训练到需要的程度。

10、更进一步地，在每一轮人工智能模型训练中，人工智能模型会基于当前输入的探测信号时频域状态，选择一种信号提取策略作用于探测信号，信号提取策略作用后探测信号时频域状态反馈回人工智能模型，再进行比较评估；在这个循环往复的过程中，人工智能模型通过不断学习探测信号特征，从而构建策略价值网络用于评估信号提取策略的优劣。

11、优选地，本发明步骤1)中的探测信号按如下方法进行预处理，

12、(1.1)利用理想中频信号构建与探测信号等长的两正交初始化载波信号，作为跟踪载波ωc1；

13、

14、其中，ωc为跟踪载波的频率，其初始值与声光调制器移频频率相等；为跟踪载波的相位；b为跟踪载波的幅值。

15、(1.2)构建跟踪载波迭代更新循环，循环的次数n为探测信号长度与跟踪载波的迭代更新频率n的差值，得到载波频偏初步抑制的初步跟踪的载波信号；

16、(1.3)将探测信号进行希尔伯特变换，将变换后的探测信号与希尔伯特变换前的原始探测信号进行差分，如下式所示：

17、

18、其中，为探测信号的差分，o(△t)为近似误差；

19、(1.4)对差分信号的包络进行估计，基于对差分信号包络的估计值去除光强波动对信号幅值的影响后，获取到探测信号的相位信息：

20、

21、其中，△ωc1(t)为跟踪后的载波频率与真实载波频率之间的频率差值；为调制在载波之上的目标物振动信息；φ0(t)为激光器相位噪声；φ1(t)为声光调制器产生的相位噪声；φn(t)为系统外部噪声的集合；

22、(1.5)基于步骤(1.2)得到的初步跟踪的载波信号，对步骤(1.4)所得的探测信号相位进行二阶错位差分，得到频率漂移进一步抑制的探测信号，即为经预处理后的探测信号；该过程表示为：

23、

24、其中，为载波频率偏移初步抑制的探测信号的相位信息；

25、(1.6)将设定时长数据量的经预处理后的探测信号做快速傅里叶变换得到信号的时频域信号si，作为当前信号状态传递进入人工智能模型的数据储存经验池内。

26、进一步地，步骤(1.2)所述迭代更新循环按如下方法进行：

27、(1.2.1)在每一次数字鉴相循环内，将上一次迭代的两正交跟踪载波与探测信号分别混频，如果是第一次迭代，则将最开始的两正交初始化跟踪载波与探测信号分别混频，利用低通滤波器去除掉混频产生的二倍频信号后，分别得到两正交跟踪载波与具有频率漂移的真实载波之间的瞬时频差，表示为：

28、

29、其中，ωaom为声光调制器产生的中频载波的角频率；△ωaom为声光调制器不稳定引入的角频率漂移；△ωfs为环境振动及被测物体抖动/运动引起的角频率漂移；

30、(1.2.2)将两瞬时频差结果lpf_i与lpf_q相乘，并同时基于零点系数绝对值之和估算滤波器增益，利用滤波器增益补偿相乘后的频差结果后，得到鉴相值；

31、(1.2.3)在每一次循环内，利用获取的鉴相值不断更新环路滤波器输出，用环路滤波器输出值调整跟踪载波的相位，形成对真实载波的初步跟踪，即得到初步跟踪的载波信号；跟踪后的载波频率与真实载波频率之间的频率差值△ωc1(t)为：

32、△ωc1(t)＝ωaom(t)+△ωaom(t)+△ωfs(t)-ωc1(t)。

33、相比现有技术，本发明具有如下有益效果：

34、本发明搭建针对激光监听极微弱探测信号识别优化深度强化学习算法平台，通过所构建的人工智能实现了对激光监听动态过程中信号及噪声特征的动态交互学习，针对每一帧信号的信-噪特点，产生具该帧信号针对性的信号识别与信噪分离策略，克服了传统解调方案因受光路延迟、光电转换延迟、电路延迟、声光移频器不稳定等因素所引起的载波频率漂移导致的解调误差；解决了监听系统受到环境振动/激光投射目标运动而引起的信号无法解调问题；抑制了监听系统受驱动电路基噪以及监听环境噪声、光强噪声、信道噪声等因素对监听效果的影响，实现有效信号与非平稳噪声之间的高精度分离，在完成信号识别提取的同时，实现了信噪比优化。