第一篇：信號識別小結(jié)

信號識別 1.特征參數(shù)法

思路：根據(jù)瞬時(shí)幅度，瞬時(shí)相位，瞬時(shí)頻率特征參數(shù)的差異進(jìn)行識別 優(yōu)點(diǎn)：計(jì)算量小，簡單 缺點(diǎn)：受信噪比影響大

2.功率譜方法

思路：經(jīng)典功率譜估計(jì)有直接法，間接法

直接法： = 2

優(yōu)點(diǎn)：簡單，快速

缺點(diǎn)：當(dāng)數(shù)據(jù)N太大時(shí)，譜曲線起伏加劇，N太小時(shí)，譜分辨率不好。

1間接法：PPER??MM?1k?02jN

1?x(k)e?jwk

優(yōu)點(diǎn)：采用分段取平均值方法使方差性能得到改善。缺點(diǎn)：方差性能的改善是以犧牲偏差和分辨率為代價(jià)的。

3.基于小波變換（衍生的方法）思路：1.對信號進(jìn)行小波變換，提取變化后時(shí)域的包絡(luò)方差與均值平方之比作為特征參數(shù)

2.提取頻域頻率，幅度，相位，功率譜密度等特征

3.時(shí)域頻域相結(jié)合

優(yōu)點(diǎn)：克服傅里葉變換的不足，對瞬時(shí)信息具有較強(qiáng)的檢測能力

缺點(diǎn)：小波變換的方法對于類間識別效果還不是很理想, 如對2PSK 和4PSK的

識別, 單獨(dú)用該方法還不能達(dá)到很好的分類效果, 必須與其它方法結(jié)合 使用。

4.高階累積量方法

思路：計(jì)算二階、四階、六階、八階累積量，并通過歸一化、平方等變換尋找差異進(jìn)行區(qū)分

優(yōu)點(diǎn)：對噪聲不敏感

缺點(diǎn)：對載波和碼元同步要求較高

5.人工智能識別方法

思路：利用專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、模糊推理、Agent理論、遺傳算法等人工智能方法形成經(jīng)驗(yàn)與知識的推理規(guī)則

優(yōu)點(diǎn)：不依賴數(shù)據(jù)庫的先驗(yàn)知識，分析靈活，自我學(xué)習(xí)缺點(diǎn)：容易漏檢、誤判

6.基于支持向量機(jī)的信號識別

思路：通過優(yōu)化算法函數(shù)（結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理，粒子群優(yōu)化，模糊數(shù)學(xué)，粗集理論），模型建立（一對一或一對多）和參數(shù)的而選擇（帶寬、均值、峰值點(diǎn)，歸一化瞬時(shí)幅度等）進(jìn)行信號的識別 優(yōu)點(diǎn)：善于解決高維分類問題，識別準(zhǔn)確率高 缺點(diǎn)：復(fù)雜度高，理論算法還不夠完善 通信信號調(diào)制方式識別方法綜述 1.AWGN條件下的基本識別方法 1.1基于統(tǒng)計(jì)模式的調(diào)制識別方法

特征參數(shù)：信號譜特征，信號平方譜的譜峰數(shù)，譜功率，瞬時(shí)值統(tǒng)計(jì)特征，星座點(diǎn)間的Hellinger距離，高階累積量、小波變換降噪，分形集維數(shù)

優(yōu) 點(diǎn)：理論分析簡單；高信噪比時(shí)特征易于提取、適用類型多、識別性能好；在預(yù)處理精度較差、先驗(yàn)知識較少的非合作通信環(huán)境下仍具有較好的識別性能。

缺 點(diǎn)：算法識別體系繁雜；理論基礎(chǔ)不完善；算法效率低。1.2基于決策論的調(diào)試識別方法 主要算法：似然比檢驗(yàn)法（LRT），最大似然比檢驗(yàn)（MLRT），平均似然比檢驗(yàn)（ALRT），廣義似然比檢驗(yàn)（GLRT），混合似然比檢驗(yàn)（HLRT），類似然比算法。

優(yōu) 點(diǎn)：理論基礎(chǔ)完備；在低信噪比環(huán)境下能夠保證較好的性能。缺 點(diǎn)：算法復(fù)雜，計(jì)算量大；適用性差；識別條件嚴(yán)格。

2.非理想信道的調(diào)制識別（非高斯即存在信號衰落，多徑效應(yīng)，色噪聲等）2.1基于決策論的調(diào)制識別方法：GLRT算法，qHLRT算法，qHLRT-UB算法

2.2基于統(tǒng)計(jì)模式的調(diào)制識別方法：循環(huán)累計(jì)特征矢量，四階累積量，六階累積量

3.共信道多信號的調(diào)制識別（一個(gè)信道內(nèi)存在多個(gè)時(shí)頻混疊的信號）

3.1基于信號分離的識別方法：擬合法；經(jīng)驗(yàn)?zāi)B(tài)分解法；獨(dú)立分量分解法 3.2基于提取特征參數(shù)的方法：基于信號的周期譜特征完成重疊信號調(diào)試識別；

基于小波變換利用Haar脊線構(gòu)建識別特征參量的方法；

基于循環(huán)譜，循環(huán)累積量特性的識別方法； 基于AR、GAR模型提取特征參量的識別方法； 基于壓縮感知與高階循環(huán)累計(jì)量的識別方法。

經(jīng)典功率譜估計(jì)有直接法和間接法兩種,直接法又稱周期圖法,它是把隨機(jī)信號y(k)的N點(diǎn)觀察數(shù)據(jù)yN(k)視為一能量有限信號,直接取yN(k)的傅里葉變換,得到XN(ejω),然后再取其幅值的平方,并除以N,作為對y(k)真實(shí)的功率譜P(ejω)的估計(jì)。以 PPER(ejω)表示周期圖法估計(jì)出的功率譜,即: PPER(ω)=1N XN(ω)2(1)由于yN(k)可以用FFT快速計(jì)算,所以此方法成了譜估計(jì)中的一個(gè)常用的方法。但是直接法估計(jì)出的譜 PPER(ω)性能不好,當(dāng)數(shù)據(jù)長度N太大時(shí),譜曲線起伏加劇;N太小時(shí),譜的分辨率又不好,因此需要加以改進(jìn)。

間接法是對直接法的一種改進(jìn),又稱之為周期圖的平滑。對其改進(jìn)的另一種方法是所謂平均法,它的指導(dǎo)思想是把一長度為N的數(shù)據(jù)yN(k)分為L段,分別求每一段的功率譜,然后加以平均。最常用的是Bartlett法,以及Bartlett法的改進(jìn)Welch法。Bart-lett法中,將信號yN(k)在時(shí)間[1,N-1]上分成L段,每段的長度都是M,即N= LM,第i段數(shù)據(jù)加矩形窗后,變?yōu)? yiN(k)= yN[ n+(i-1)M] di[ n+(i-1)M],0≤ n≤ M-1,1≤ i≤ L

(2)式中di(n)是長度為M的矩形窗口。分別計(jì)算每一段的功率譜,即 PiPER=1M ∑M-1K= 0xjN(k)e-jwk 2,0≤ i≤ L(3)信號分段越多,方差越小[5]。但方差性能的改善是以犧牲偏差和分辨率為代價(jià)的。每段數(shù)據(jù)長度的選擇主要取決于所需的分辨率

小波變換（wavelet transform，WT）是一種新的變換分析方法，它繼承和發(fā)展了短時(shí)傅立葉變換局部化的思想，同時(shí)又克服了窗口大小不隨頻率變化等缺點(diǎn)，能夠提供一個(gè)隨頻率改變的“時(shí)間-頻率”窗口，是進(jìn)行信號時(shí)頻分析和處理的理想工具。它的主要特點(diǎn)是通過變換能夠充分突出問題某些方面的特征，能對時(shí)間（空間）頻率的局部化分析，通過伸縮平移運(yùn)算對信號（函數(shù))逐步進(jìn)行多尺度細(xì)化，最終達(dá)到高頻處時(shí)間細(xì)分，低頻處頻率細(xì)分，能自動適應(yīng)時(shí)頻信號分析的要求，從而可聚焦到信號的任意細(xì)節(jié)，解決了Fourier變換的困難問題，成為繼Fourier變換以來在科學(xué)方法上的重大突破。

第二篇：語音信號處理與識別

信號系統(tǒng)課程設(shè)計(jì)報(bào)告

歐陽光亮

2012029020025

語音信號處理與識別

目的：理解時(shí)域和頻域尺度變換基本概念，掌握信號時(shí)頻域分析方法，正確理解采樣定理，準(zhǔn)確理解濾波器的概念。內(nèi)容：

（1）使用Matlab中wavrecord命令錄制一段3秒的語音信號，使用wavplay命令播放，錄制命令和播放命令中的采樣頻率設(shè)置成相同和不同兩種情況，對觀察到的現(xiàn)象進(jìn)行分析并結(jié)合課本中的知識對該現(xiàn)象進(jìn)行解釋；（2）使用不同的采樣頻率錄制一段3秒的語音信號，畫出信號的時(shí)域波形和頻譜；找到語音信號的主要頻譜成分所在的帶寬；觀察并分析不同采樣頻率對波形和頻譜的影響；尋找聲音信號不出現(xiàn)明顯失真的最低采樣頻率；（3）錄制一段男生的語音信號和一段女生的語音信號，對兩段音頻信號進(jìn)行混合，設(shè)計(jì)濾波器將混合的語音信號分開成單獨(dú)的男聲和女聲信號，如果分離效果不好，對原因進(jìn)行解釋。

Matlab命令：wavrecord, wavplay, wavwrite, wavread, save, load, fft, fftshift, filter, plot, subplot, figure.過程:(1)相同：

fs1=16000;

%取樣頻率 fs2=16000;

%播放頻率 duration=5;

%錄音時(shí)間

fprintf('Press any key to start %g seconds of recording...n',duration);

pause;

fprintf('Recording...n');

y=wavrecord(duration*fs1,fs1);

%duration*fs 是總的采樣點(diǎn)數(shù)

fprintf('Finished recording.n');

fprintf('Press any key to play the recording...n');

pause;

wavplay(y,fs2);wavwrite(y,fs1,'E:matlabrecord3.wav

不同：

fs1=16000;

%取樣頻率 fs2=8000;

%播放頻率 duration=5;

%錄音時(shí)間

fprintf('Press any key to start %g seconds of recording...n',duration);

pause;

fprintf('Recording...n');

y=wavrecord(duration*fs1,fs1);

%duration*fs 是總的采樣點(diǎn)數(shù)

fprintf('Finished recording.n');

fprintf('Press any key to play the recording...n');

pause;

wavplay(y,fs2);wavwrite(y,fs1,'E:matlabrecord3.wav');現(xiàn)象：第二次播放時(shí)，聲音明顯失真。

理由：采樣頻率和播放頻率不一樣時(shí)聲音信號會失真。（2）

fs1=16000;

%取樣頻率 fs2=16000;

%播放頻率 duration=5;

%錄音時(shí)間

fprintf('Press any key to start %g seconds of recording...n',duration);

pause;

fprintf('Recording...n');

y=wavrecord(duration*fs1,fs1);

%duration*fs 是總的采樣點(diǎn)數(shù)

fprintf('Finished recording.n');

fprintf('Press any key to play the recording...n');

pause;

wavplay(y,fs2);wavwrite(y,fs1,'E:matlabrecord3.wav');

wav=wavread('E:matlabrecord3.wav');Fs=16000;n=length(wav);f=(0:n-1)*16000/n;mag=abs(fft(wav));subplot(2,1,1);plot(wav);subplot(2,1,2);plot(f,mag)

采樣頻率為1600010.5y/幅度0-0.5-101234x/t采樣頻率為16000567x 1084600500400y/幅度***400060008000x/f***16000

fs1=8000;

%取樣頻率 fs2=8000;

%播放頻率 duration=5;

%錄音時(shí)間

fprintf('Press any key to start %g seconds of recording...n',duration);

pause;

fprintf('Recording...n');

y=wavrecord(duration*fs1,fs1);

%duration*fs 是總的采樣點(diǎn)數(shù)

fprintf('Finished recording.n');

fprintf('Press any key to play the recording...n');

pause;wavplay(y,fs2);wavwrite(y,fs1,'E:matlabrecord3.wav');

wav=wavread('E:matlabrecord3.wav');Fs=8000;n=length(wav);f=(0:n-1)*16000/n;mag=abs(fft(wav));subplot(2,1,1);plot(wav);subplot(2,1,2);plot(f,mag)wavplay(wav,8000)

采樣頻率為8000hz1 0.5y/幅度0-0.5-1 00.511.52x/s采樣頻率為8000hz2.533.5x ***0500y/幅度***00x/hz***16000

由圖可知：語音信號的主要頻譜成分所在的帶寬為（0—1200hz），帶寬為1200hz。

當(dāng)采樣頻率較小時(shí)，頻譜圖上顯示帶寬較大，波形較稀松。

最低采樣頻率應(yīng)為，聲音信號的最高頻率的兩倍，由圖可知為2400hz。（3)女聲：

wav1=wavread('E:matlabrecord1.wav');wav2=wavread('E:matlabrecord2.wav');wav=wav1+wav2;fp1=800;fp2=1500;fp=[fp1,fp2];fr1=650;fr2=1900;fr=[fr1,fr2];Fs=16000;ap=1;as=40;[n,fn]= buttord(fp/(Fs/2),fr/(Fs/2),ap,as,'z');[b,a]=butter(n,fn);Y1=filter(b,a,wav);Y=fft(Y1);mag=abs(Y);n=length(wav);f=(0:n-1)*16000/n;subplot(3,1,1);mag1=abs(fft(wav));plot(f,mag1)subplot(3,1,2);plot(f,mag);subplot(3,1,3);plot(Y1);wavplay(Y1,16000)

混合400300y/幅度***060008000x/頻率女聲***16000400300y/幅度 2001000 ***00f/hz***160000.20.1y/幅度0-0.1-0.201234x/t567x 1084

男聲：

wav1=wavread('E:matlabrecord1.wav');wav2=wavread('E:matlabrecord2.wav');wav=wav1+wav2;fp1=200;fp2=600;fp=[fp1,fp2];fr1=100;fr2=1000;fr=[fr1,fr2];Fs=16000;ap=3;as=40;[n,fn]= buttord(fp/(Fs/2),fr/(Fs/2),ap,as,'z');[b,a]=butter(n,fn);Y1=filter(b,a,wav);Y=fft(Y1);mag=abs(Y);n=length(wav);f=(0:n-1)*16000/n;subplot(3,1,1);mag1=abs(fft(wav));plot(f,mag1)subplot(3,1,2);plot(f,mag);subplot(3,1,3);plot(Y1);wavplay(Y1,16000)

混合頻譜圖200150y/幅度***30004000x/hz男聲頻譜圖***040y/幅度***8000x/hz男聲時(shí)域圖***160000.040.02y/幅度0-0.02-0.0401234x/s567x 1084

分離效果不佳，原因：男女聲頻率有很多重疊的地方。

第三篇：超聲波真假信號識別

1。假訊號（非缺陷訊號）的判別

在焊縫探傷過程中，示波屏上常會出現(xiàn)一些非焊縫內(nèi)部缺陷引起的反射訊號，我們稱這類訊號為假訊號。由于探頭的質(zhì)量，儀器性能，焊縫表面形狀和結(jié)構(gòu)形式等原因引起的假訊號，往往出現(xiàn)于底波訊號之前，于焊縫內(nèi)部缺陷反射訊號混雜在一起，使我們在探傷時(shí)，對真假訊號容易混淆。由于波型轉(zhuǎn)換而引起的假訊號一般出現(xiàn)在底波反射訊號的后面，由于這類假訊號通常不會與缺陷波訊號相混淆，故探傷時(shí)可以不必考慮。1。1探頭雜波

在接通探頭后（探頭不與工件接觸），探頭雜波即在示波屏上顯示。在探傷過程中，探頭雜波固定在某一位置上，不隨探頭移動而移動，所以比較容易鑒別。1。2儀器雜波

由于儀器性能不好或靈敏度調(diào)節(jié)偏高而產(chǎn)生。當(dāng)探頭移動時(shí)，此雜波在示波屏上的位置不變，當(dāng)降低靈敏度后，此種雜波即行消失。1。3耦合劑反射

探傷時(shí)，由于探頭前沿耦合劑堆積過多，也會引起反射信號。探頭不動，此波時(shí)而升高時(shí)而降低，很不穩(wěn)定；探頭稍一動，波形變化很大，無一定規(guī)律。如果用手指放在探頭前面或消除耦合劑后，反射波立即降低或消失。1。4焊角反射

焊縫大都有一定的增強(qiáng)量，增強(qiáng)量與母材的交界處稱為焊角。超聲波在焊角處的反射稱為焊角反射。焊角反射和增強(qiáng)量的高度有關(guān)。增強(qiáng)量高反射大，增強(qiáng)量低反射小。判斷焊角反射（條件允許時(shí)）用手指沾耦合劑輕輕碰擊焊角處，反射波會跳動。

位置位置始波焊角反射始波位置位置焊角反射

1。5咬邊反射

咬邊屬于焊道邊緣的表面缺陷，但在探傷時(shí)它很容易與內(nèi)部缺陷混淆。并且與焊角反射極為相似。在實(shí)際工作中用缺陷定位和表面觀察等方法進(jìn)行排除。

始波咬邊反射始波咬邊反射位置位置

位置位置咬邊反射1。6其它假訊號

比如多層多道焊的溝槽、上下焊縫錯(cuò)位、單面焊雙面成型的背透及墊板的反射。則要根據(jù)具體情況加上準(zhǔn)確的定位進(jìn)行判斷，來確定缺陷的性質(zhì)。以免造成誤判。

第四篇：人臉識別小結(jié)

人臉識別總結(jié)

一、概述

生物特征識別技術(shù)包括人臉識別、指紋識別、語音識別、表情分析及理解、虹膜識別等 人臉識別的實(shí)質(zhì)就是借助計(jì)算機(jī)工具來分析人臉面部圖像，采用不同的特征表示方法提取有效地人臉特征，是可用來辨識身份的一門自動處理技術(shù)，常見重要應(yīng)用案例包括銀行和軍事重地的自動門禁系統(tǒng)、智能人臉監(jiān)控系統(tǒng)、用于公共交通體系中安檢系統(tǒng)的嫌疑人自動識別系統(tǒng)、網(wǎng)絡(luò)服務(wù)中的在線驗(yàn)證系統(tǒng)等。產(chǎn)生不同個(gè)體較大差異性的內(nèi)在因素主要有種族、性別、年齡、心理等。外在因素主要有光照變化、角度偏轉(zhuǎn)、姿態(tài)、噪聲千擾、遮擋、以及化妝遮擋物等。18世紀(jì),就有一篇依據(jù)人臉特征信息進(jìn)行身份鑒別的文章發(fā)表在《Nature》上,開啟了近代最早的人臉識別研宄，最早的自動人臉識別系統(tǒng)是由Chan和Bledsoe創(chuàng)于1965年 人臉識別包括四個(gè)主要步驟：圖像預(yù)處理、人臉檢測、面部特征提取和分類識別。

二、研究領(lǐng)域

1、身份驗(yàn)證領(lǐng)域：通過人臉識別技術(shù)來判斷和鑒別當(dāng)前用戶是否合法或者具備相應(yīng)的功能權(quán)限，例如2008年北京奧運(yùn)所采用的人臉識別系統(tǒng)。

2、智能視頻監(jiān)控領(lǐng)域，例如車站安裝智能監(jiān)控系統(tǒng),該系統(tǒng)中加入了人臉識別技術(shù)以捕捉人群中的可疑罪犯。

3、人機(jī)交互領(lǐng)，例如人臉面部為視覺系統(tǒng)提供了最為主要的特征信息。

三、人臉識別方法及其算法

（一）方法分類

可以分為：基于幾何特征的人臉識別、基于彈性圖匹配的人臉識別、基于子空間分析的人臉識別、基于神經(jīng)網(wǎng)絡(luò)的人臉識別、基于隱馬爾可夫模型等。? 經(jīng)典的特征臉“Eigenface”就是該時(shí)期由麻省理工學(xué)院的M.Turk和A.Pentlaiid提出的，采用PCA變換對原始圖像進(jìn)行降維處理,然后再進(jìn)行分類識別。? ? P.Belhumeur等提出的Fisherfaces人臉也被廣泛應(yīng)用在人臉識別中。

90年代中后期,出現(xiàn)了一種基于動態(tài)連接結(jié)構(gòu)(Dynamic Link Architecture)的彈性圖匹配(Elastic GraphMatching)識別方法。? 90年代末支持向量機(jī)被應(yīng)用到人臉識別技術(shù)中。

（二）流行算法

主要分為：等距離映射_(Isometrical Mapping,簡稱 ISOMAP)、局部線性嵌入(Locally LinearEmbedding,簡稱LLE、拉普拉斯算子特征映射(Laplacian Eigenmaps)、拉普拉斯臉(Laplacianface)方法。基于拉普拉斯Belkin M等提出局部投影(LPP)方法。近期算法包括： ? 基于稀疏表示的人臉識別方法(Sparserepresentation recognition, SRC)針對此識別方法還出現(xiàn)了較多的改進(jìn)模型,典型的有

? 基于Gabor的稀疏表示 ? 基于Metaface的稀疏表示等

（三）難點(diǎn)

1、人臉圖像的成像條件包括較大的隨機(jī)性：光照變化、姿態(tài)變換、表情變化、發(fā) 型改變、化妝、以及遮擋等復(fù)雜條件

2、人臉面部圖像的復(fù)雜的三維結(jié)構(gòu)屬性：包括線性結(jié)構(gòu)和非線性結(jié)構(gòu)

3、人臉圖像數(shù)據(jù)的維數(shù)問題

4、不同個(gè)體間的面部特征的差異性

四、人臉特征提取研究

（一）人臉特征提取和識別算法分類

? ? 基于統(tǒng)計(jì)方法 基于幾何方法

（二）具體實(shí)現(xiàn)

? 主成分分析(principal component analysis, PCA)是一種典型的數(shù)據(jù)處理和數(shù)據(jù)降維方法

? Sirovich和Kirby首先研究人臉降維過程，采用基于鏡像臉的技術(shù) ? M.Turk_提出了基于PCA表示的特征臉的概念

? Fisher線性判別方法也是人工智能和模式識別領(lǐng)域中的重要方法之一

? Foley和Sammon提出了基于Sammon最佳鑒別平面的技術(shù)

? Duchene和Leclercq提 出了針對多類問題的Foley-Sammon最佳鑒別矢量集的求解公式

? Turk和Pentland提出了基于特征臉的特征提取方法 ? Kittler又提出了基于Fisher鑒別準(zhǔn)則的提取面部特征方法 ? Hong和Yang提出了采用SVD進(jìn)行特征提取方法 ? Cheng等改進(jìn)并提出了一種新的相似性鑒別準(zhǔn)則

? Liu等提出了基于最佳鑒別廣義平面和最佳鑒別廣義矢量集的一系列特征提取方法 ? 郭等在此基礎(chǔ)上提出了改進(jìn)的最佳鑒別矢量方法 ? 吳等又改進(jìn)了廣義最佳鑒別矢量方法 ? 基于模型的特征提取方法

? Kass等首次提出了主動輪廊線模型(Active Contour Model,ACM), ACM也被稱為Snake模型

? Lee等提出了一種改進(jìn)Snake模型的方法,改進(jìn)方法是由正面和側(cè)面結(jié)構(gòu)化特征來對面部進(jìn)行特征點(diǎn)定位

? 基于統(tǒng)計(jì)參數(shù)化模型的主動形狀模型(Active Shape Model, ASM)? 優(yōu)勢在于它不僅能有效地定位和提取目標(biāo)物體的外部輪廓信息,而且能提取目標(biāo)物體的內(nèi)部輪廓和形狀特征

? Cootes等在ASM基礎(chǔ)上提出了主動表觀模型(Active AppearanceModel,AAM)

（三）需要解決的問題

1、根據(jù)奇異值分解原理可以得到人臉圖像的奇異值向量所在的基空間(矩陣)是由 人臉圖像本身決定的。

2、當(dāng)光照、姿態(tài)、表情變化以及遮擋等復(fù)雜條件下,人臉的表象會產(chǎn)生較大變化, 從而造成人臉識別系統(tǒng)的性能下降。

3、需要構(gòu)造一種能有效描述目標(biāo)紋理特性的局部紋理輪廓模型,進(jìn)一步提高模型的 特征點(diǎn)定位精度。

第五篇：顯示器的信號接口類型小結(jié)

“邁瑞加油站”——自學(xué)充電

顯示器的信號接口類型小結(jié)

——從TTL、LVDS、TDMS到DisplayPort

張開俊

2011.5.25 隨著顯示信息的日益豐富，和人們對顯示效果要求的逐漸提高，LCD面板行業(yè)正快速的朝更高分辨率和每種顏色的更多位數(shù)加速前進(jìn)，只有提高主機(jī)到LCD面板的數(shù)據(jù)傳輸速率，分辨率和顏色飽和度才能有所突破。

對于公司醫(yī)用產(chǎn)品來說，為了顯示特殊的醫(yī)用圖像，如超聲、DR，MRI，以及CT，對顯示效果的要求已經(jīng)遠(yuǎn)遠(yuǎn)超出了如監(jiān)護(hù)產(chǎn)品需求的只是簡單的波形、圖形、數(shù)字等。如今大數(shù)據(jù)量的圖像處理能力已經(jīng)在主機(jī)端和顯示端有很好的技術(shù)支持，所以處于主機(jī)端和顯示設(shè)備端之間的型號傳輸線路和接口成為了顯示技術(shù)發(fā)展的瓶頸和短板。為了滿足數(shù)據(jù)量更大的圖像的顯示，此局限的重任直接被面板顯示接口肩負(fù)起來了。

面板顯示接口標(biāo)準(zhǔn)

為了最佳的展望未來，重溫面板顯示接口標(biāo)準(zhǔn)的進(jìn)展是恰到好處的。從晶體管-晶體管邏輯門電路(TTL)一路發(fā)展到今天的DisplayPort數(shù)字顯示接口，下面講述了自十九世紀(jì)六十年代早期到2007年的面板顯示接口概況，并對未來的面板接口技術(shù)進(jìn)行了展望。

晶體管-晶體管邏輯門電路

當(dāng)顯示面板第一次面市時(shí)，就選擇了經(jīng)典的TTL數(shù)字接口作為標(biāo)準(zhǔn)。在那時(shí)，面板尺寸不足10英寸，其VGA分辨率為每個(gè)顏色6比特，帶寬要求是300 Mbps。TTL集成電路代表了小規(guī)模向大規(guī)模集成，和今天成萬上億個(gè)晶體管相比，那時(shí)候每片芯片的容量只有數(shù)百個(gè)晶體管。

TTL的流行是基于德州儀器公司(TI)的7400系列芯片的面市。當(dāng)TI系列迅速成為業(yè)界標(biāo)準(zhǔn)之后，摩托羅拉、Signetics、SGS-Thomson、國家半導(dǎo)體和其他公司加入了TI標(biāo)準(zhǔn)。和模擬解決方案相比，TTL代表著低成本芯片，它使得數(shù)字技術(shù)變得更經(jīng)濟(jì)可行。

面板尺寸在上世紀(jì)九十年代后半期一增加到15英寸范圍，就要求采用XGA分辨率格式，而且?guī)捫枨笠曹S升到了850Mbps。所面臨的挑戰(zhàn)包括功耗和電磁干擾(EMI)，這使得緩慢的TTL接口成為了顯示面板的瓶頸。“邁瑞加油站”——自學(xué)充電

圖1：顯示接口路線圖：尋求更高帶寬。該圖表明了自1994年以來顯示器帶寬需求的增長。

LVDS顯示接口

低壓差分信號(LVDS)顯示接口(LDI)是一個(gè)在雙絞線銅電纜上傳送兩個(gè)不同電壓的差分信號系統(tǒng)。與TTL比較而言，小幅度信號以及雙絞線之間的緊密耦合降低了TTL所固有的功耗和EMI。

LVDS描述了一種高速信號運(yùn)行在不太昂貴的銅導(dǎo)線上的電氣信號方法。在接收端運(yùn)行著兩個(gè)不同的電壓，LVDS利用電壓差(典型值為350 mV)進(jìn)行編碼信息。接受端檢測決定著邏輯電平的電壓極性。由于信號幅度非常小以及導(dǎo)線之間的緊密電磁場耦合，因此降低了EMI。導(dǎo)線上的平均電壓為1.25伏。在上世紀(jì)九十年代末期就采用了這種形式的接口。

圖2：LVDS視頻連接，顯示接口示例

“邁瑞加油站”——自學(xué)充電

LVDS顯然選擇的是一種串行數(shù)據(jù)傳輸而不是并行傳輸。LVDS融合了高速和頻道內(nèi)同步，從而可以采用更少的導(dǎo)線傳輸更多的數(shù)據(jù)。

基于LVDS技術(shù)，國家半導(dǎo)體公司在1999年發(fā)布了其開放式LDI規(guī)范，從而使得導(dǎo)線的總數(shù)量從TTL接口的22根減少到了8根。因此，也減少了連接器和電纜的數(shù)量。更重要的是，LDI突破了TTL瓶頸，將帶寬增加到了約2.8 Gbps。作為一種開放式標(biāo)準(zhǔn)，LDI并不要求具有絕對的權(quán)威性，這一作法使得其快速的成長為了面板顯示接口標(biāo)準(zhǔn)。

其次，瓶頸問題開始逐步顯示出來。隨著面板廠商不斷的增加面板尺寸并提高顏色豐富度，40英寸到50英寸的1080p面板已成為主流。該面板的8位顏色要求大約3Gbps的帶寬，這大大超過了4對LVDS接口能力。當(dāng)前，甚至具有4096x2160的數(shù)字電影分辨率和顯示更深色彩的10位和12位顏色的更大面板都已提上日程。為滿足數(shù)字電影分辨率的帶寬需求，采用了多達(dá)8個(gè)連接和40對(808根導(dǎo)線)的總線寬度。

然而，在該技術(shù)層面上又出現(xiàn)了新問題，如復(fù)雜的連接器、導(dǎo)線連接以及串?dāng)_噪聲、數(shù)據(jù)未對準(zhǔn)和其它問題。當(dāng)前，LDI是面板顯示接口的瓶頸，另一種接口革命正蓄勢待發(fā)。

最小化傳輸差分信號

在上世紀(jì)九十年代晚期，Silicon Image公司開始采用面板連接、數(shù)字可視接口(DVI)和高清多媒體接口(HDMI)的形式向顯示行業(yè)推廣其所有權(quán)標(biāo)準(zhǔn)??最小化傳輸差分信號(TMDS)。在該情況下，發(fā)射端混合了具有在銅導(dǎo)線上降低EMI特性的更高級編碼算法，從而使得接收端具有健壯的時(shí)鐘恢復(fù)性能。

8位/10位編碼是一個(gè)二階處理，它是將一個(gè)8位的輸入信號轉(zhuǎn)換成10位的編碼。和LVDS相似的是，它采用了差分信號來降低EMI及提高精確的信號傳輸速率。還和LVDS相似的是，它是一個(gè)串行的傳輸設(shè)計(jì)。

DVI技術(shù)已成功的應(yīng)用于PC領(lǐng)域，HDMI技術(shù)也成功的推向了消費(fèi)電子市場。但是，TMDS并沒有因此成為廣泛使用的面板接口標(biāo)準(zhǔn)。相反，沒有專利費(fèi)的LVDS已被普遍使用。此外，當(dāng)前的DVI版本并不能更新，而且具有物理上、功能上及成本上的局限。

DisplayPort “邁瑞加油站”——自學(xué)充電

當(dāng)前，DisplayPort作為視頻電子標(biāo)準(zhǔn)協(xié)會(VESA)發(fā)布的一種數(shù)字顯示接口標(biāo)準(zhǔn)登上了新的歷史舞臺。2006年5月首次發(fā)布了該標(biāo)準(zhǔn)，2007年4月2日發(fā)布了V1.1版本。該標(biāo)準(zhǔn)在電腦與顯示器之間或電腦與家庭影院系統(tǒng)之間推廣應(yīng)用。

圖3：DisplayPort數(shù)據(jù)傳輸通道(來自VESA)

DisplayPort由一個(gè)傳送音視頻流的單向主連接器和一個(gè)可用于熱插拔的半雙工雙向輔助通道(AUX CH)組成。主連接器和AUX CH由交流耦合差分線對組成。主連接器有1對、2對、4對導(dǎo)線或通道，AUX CH只有1對導(dǎo)線且不要求連接時(shí)鐘。該結(jié)果最大化的使用了差分線對。

例如，一個(gè)分辨率為1680x1050的面板可能通過單個(gè)主連接通道得到支持。目前，DisplayPort規(guī)范可支持的帶寬可達(dá)到10.8 Gbps，且可提供超過15米電纜的WQXGA(2560x1600)分辨率。

許可證免費(fèi)、所有權(quán)免費(fèi)

DisplayPort是一個(gè)許可證免費(fèi)、所有權(quán)免費(fèi)的數(shù)字音視頻互連技術(shù)，它詳細(xì)的介紹了電腦和顯示器之間的連接標(biāo)準(zhǔn)。它得到了AMD/ATI、Dell, IDT, Genesis, HP, Intel, Lenovo, Quantum Data, Molex, NVIDIA公司的支持，而且這些公司也支持該標(biāo)準(zhǔn)繼續(xù)推廣。DisplayPort還被面板廠商作為面板顯示接口標(biāo)準(zhǔn)所認(rèn)可，并且采用該技術(shù)的產(chǎn)品也正方興未艾。

DisplayPort的優(yōu)點(diǎn)包括：具有更多可獲得的液晶顯示器功能、滿足寬范圍要求和應(yīng)用的性能提升、從入口級到高性能的顯示。DisplayPort還可通過其微型包裝結(jié)構(gòu)支持未來的技術(shù)革新。目前，它正應(yīng)用于電腦顯示器市場領(lǐng)域。“邁瑞加油站”——自學(xué)充電

表1表明了DisplayPort和其它以往標(biāo)準(zhǔn)的區(qū)別。逐個(gè)瀏覽這些標(biāo)準(zhǔn)，可清晰的認(rèn)識到DisplayPort具有許多優(yōu)點(diǎn)。

圖4：DisplayPort和LVDS、DVI、HDMI之比較

結(jié)論

盡管面板顯示技術(shù)保持了先進(jìn)性，但是目前的顯示接口標(biāo)準(zhǔn)達(dá)到了其帶寬極限且成為了其瓶頸。在過去的十年里，所使用的LVDS接口已半途而廢。該技術(shù)局限在PC和筆記本顯示、LCD電視領(lǐng)域帶來了突飛猛進(jìn)的結(jié)構(gòu)性變革。隨著更卓越性能和工業(yè)的支撐，基于DisplayPort技術(shù)的產(chǎn)品正作為下一代技術(shù)登上舞臺，從而更好的帶動顯示接口市場。