Question

【这不是重复的。类似的问题涉及人们可以控制源数据的情况。我没有。】

在日本有一种叫做“紧急警告广播系统”的东西。激活时看起来像这样：http://www.youtube.com/watch?v=9hjlYvp9Pxs

在上面的视频中，在2:37左右，发送FSK调制信号。我想解析这个信号;即，给定一个包含信号的WAV文件，我想最终得到一个包含0和1的StringBuilder，以便稍后处理它们。我有二进制数据的规范和所有，但问题是我对音频编程一无所知。：（

这只是一个爱好项目，但我迷上了。电视和广播制造商可以接收到这个信号并让他们的设备做出反应，所以它不会那么难，对吧？：（

关于信号的事实：

标记音为1024Hz，停止音为640Hz
每个音调长15.625ms
在信号开始之前和结束之后暂停2秒（可能用于检测目的）

到目前为止我做了什么：

编写一个简单的RIFF解析器，接受8位单声道WAV文件，并允许我从中获取样本。我已经对它进行了测试，但它确实有效。
一个需要15.625ms样本的循环，并且：
1. 使用RMS寻找两秒钟的沉默
2. 使用Goertzel算法确定信号是1024Hz还是640Hz

我遇到的问题：

0s和1s在循环期间被吞下。
- 鉴于信号的清晰度（YouTube-to-MP3 rip），这不应该发生。
- 如果我在Audacity中生成重复的01序列30次，我的程序将会获取01对中的大约10对，而不是30
有时交换0和1（上面的副作用？）
如果我调整代码以使其与一个测试声音文件一起使用，则其他测试声音文件将停止工作

我的问题：

有人能给我一个关于如何在软件中正确完成FSK解码的高级概述吗？
我是否需要应用某种过滤器，将信号限制在640Hz + 1024Hz并使其他一切静音？
保持时机正确的最佳方法是什么？也许我做错了？
有关此类音频处理的初学者文献的任何链接？我真的很想学习并开始工作。

读取样本的代码是（简化）：

StringBuilder ews_bits = new StringBuilder();
double[] samples = new double[(int)(samplesPerMs * 16.625D)];
int index = 0, readTo = /* current offset + RIFF subChunk2Size */;
BinaryReader br = /* at start of PCM data */;

while (br.BaseStream.Position < readTo)
{
    switch (bitsPerSample / 8)
    {
        case 1: // 8bit
            samples[index++] = ((double)br.ReadByte() - 127.5D) / 256D;
            break;
        case 2: // 16bit
            samples[index++] = (double)br.ReadInt16() / 32768D;
            break;
    }

    if (index != samples.Length)
        continue;

    /****** The sample buffer is full and we must process it. ******/

    if (AudioProcessor.IsSilence(ref samples))
    {
        silence_count++;
        if (state == ParserState.Decoding && silence_count > 150)
        {
            // End of EWS broadcast reached.
            EwsSignalParser.Parse(ews_bits.ToString());

            /* ... reset state; go back looking for silence... */
        }
        goto Done;
    }

    /****** The signal was not silence. ******/

    if (silence_count > 120 && state == ParserState.SearchingSilence)
        state = ParserState.Decoding;

    if (state == ParserState.Decoding)
    {
        AudioProcessor.Decode(ref samples, sampleRate, ref ews_bits);

        bool continue_decoding = /* check first 20 bits for signature */;
        if (continue_decoding) goto Done;

        // If we get here, we were decoding a junk signal.
        state = ParserState.SearchingSilence;
    }

    /* Not enough silence yet */
    silence_count = 0;
Done:
    index = 0;
}

音频处理器只是一个类：

public static void Decode(ref double[] samples, int sampleRate, ref StringBuilder bitHolder)
{
    double freq_640 = GoertzelMagnitude(ref samples, 640, sampleRate);
    double freq_1024 = GoertzelMagnitude(ref samples, 1024, sampleRate);

    if (freq_640 > freq_1024)
        bitHolder.Append("0");
    else
        bitHolder.Append("1");
}

public static bool IsSilence(ref double[] samples)
{
    // power_RMS = sqrt(sum(x^2) / N)

    double sum = 0;

    for (int i = 0; i < samples.Length; i++)
        sum += samples[i] * samples[i];

    double power_RMS = Math.Sqrt(sum / samples.Length);

    return power_RMS < 0.01;
}


/// <remarks>http://www.embedded.com/design/embedded/4024443/The-Goertzel-Algorithm</remarks>
private static double GoertzelMagnitude(ref double[] samples, double targetFrequency, int sampleRate)
{
    double n = samples.Length;
    int k = (int)(0.5D + ((double)n * targetFrequency) / (double)sampleRate);
    double w = (2.0D * Math.PI / n) * k;
    double cosine = Math.Cos(w);
    double sine = Math.Sin(w);
    double coeff = 2.0D * cosine;

    double q0 = 0, q1 = 0, q2 = 0;

    for (int i = 0; i < samples.Length; i++)
    {
        double sample = samples[i];

        q0 = coeff * q1 - q2 + sample;
        q2 = q1;
        q1 = q0;
    }

    double magnitude = Math.Sqrt(q1 * q1 + q2 * q2 - q1 * q2 * coeff);

    return magnitude;
}

感谢阅读。我希望你能帮助我。

Answer 1

我就是这样做的（高级别描述）

通过FFT
寻找大约640Hz + 1024Hz的稳定峰值（我想说至少+/- 10Hz）
如果信号稳定约10毫秒（稳定，我的意思是约95％的样本在640Hz +/- 10Hz（或1024Hz +/- 10Hz）的相同范围内）将其作为音调的检测。检测还可以同步您的计时器，告诉您何时需要下一个音。

Answer 2

在重写样本解析循环和静音检测部分后，我得到了大约90％的工作。我的实施中存在两个主要问题。第一个是静音检测器过于活跃，因此我将其从处理每毫秒样本变为每半毫秒样本。这让我完全接受了FSK数据的开始。

接下来的问题是，我认为我可以天真地让解调器查看15.625ms的样本，因为它通过WAV文件工作。事实证明，虽然这对前90位左右很有效，但最终音调变得比预期稍长或短，并且解调器失去同步。当前代码使用这种时序不匹配来查找和纠正13位。特别容易受到影响的是信号从标记变为空间的点，反之亦然。

猜猜“模拟”这个词包含“肛门”是有原因的。它是。我真的希望我对信号理论和数字信号处理有更多了解。：（

我是如何发现这一切的：我使用Audacity导入MP3并将其修剪到FSK部分。然后我让Audacity为每一位生成标签。之后，我按照标签突出显示了一些内容。

FSK解调 - 解析日本EWS数据

2 个答案: