Устройство вызова экстренных оперативных служб для обеспечения голосовой связи водителя двухколесного транспортного средства и оператора системы «ЭРА-ГЛОНАСС»

Цели. Целью исследования является повышение безопасности дорожного движения за счет разработки устройства вызова экстренных оперативных служб для водителей двухколесных транспортных средств, как наиболее уязвимых участников дорожного движения, и улучшения их технической оснащенности.

Методы. В ходе исследования проанализированы характеристики канала передачи акустического сигнала и процессов, сопровождающих его распространение. При исследовании параметров голосовой связи применялись методы шумоподавления, эхоподавления и эхокомпенсации, а также алгоритмы преобразования акустической информации, реализованные в аппаратно-программной части устройства.

Результаты. В ходе проектирования устройства учтены особенности управления двухколесным транспортным средством, влияние внешних воздействующих факторов и климатических условий. Предложена реализация интерфейса взаимодействия водителя двухколесного транспортного средства с оператором системы «ЭРА-ГЛОНАСС», учитывающая специфику его использования. Приведены структурные схемы эхокомпенсатора и детектора двойного речевого сигнала с использованием адаптивного фильтра. Описана процедура автоматической регулировки усиления акустического сигнала речевого диапазона. Рассмотрены алгоритмы, реализующие эти процессы, и возможность их адаптации к задачам устройства вызова экстренных оперативных служб. Показаны результаты практической реализации опытного образца устройства: конструкция, его интеграция в приборную панель двухколесного транспортного средства. Приведены структурная схема тестового стенда, программное обеспечение для качественного анализа акустического сигнала, оценена эффективность предложенного решения.

Выводы. Результаты исследования по конструированию устройства вызова экстренных оперативных служб показали, что применение алгоритмов аналоговой и цифровой обработки речевого сигнала, реализуемых в кодеке и модеме устройства, позволит обеспечить качественный уровень голосовой связи водителя с оператором экстренных оперативных служб. 

1. Чучупал В.Я., Чичагов А.С., Маковкин К.А. Цифровая фильтрация зашумленных речевых сигналов. М.: ВЦ РАН; 1998. 52 с.

2. Кропотов Ю., Парамонов А. Методы проектирования алгоритмов обработки информации телекоммуникационных систем аудиообмена. М.: Директ-Медиа; 2015. 228 с. ISBN 978-5-4475-4106-4

3. Вишняков И.Э., Масягин М.М., Одинцов О.А., Слюсарь В.В. Методы и алгоритмы шумоочистки звука в реальном времени. Известия высших учебных заведений. Электроника. 2021;26(2):184–196. https://doi.org/10.24151/1561-5405-2021-26-2-184-196

4. Лялин С.Г. Метод шумоподавления в речевых сигналах с помощью нейронной сети. Adv. Sci. 2019;2:32–38. https://doi.org/10.25730/VSU.0536.19.021

5. Тихонов В.И., Харисов В.Н. Статистический анализ и синтез радиотехнических устройств и систем. М.: Радио и связь; 1991. 608 с. ISBN 5-256-00789-0

6. Азаров И.С., Вашкевич М.И., Лихачев Д.С., Петровский А.А. Алгоритм очистки речевого сигнала от сложных помех путем фильтрации в модуляционной области. Цифровая обработка сигналов. 2013;4:25–31. https://elibrary.ru/rvwqdz

7. Железняк В.К., Раханов К.Я., Адамовский Е.Р. Оценка информационных показателей шума квантования аналогоцифрового преобразования речевого сигнала. Доклады БГУИР. 2023;21(2):32–40. http://doi.org/10.35596/1729-7648-2023-21-2-32-40

8. Nguyen H.N., Dowlatnia M., Sarfraz A. Implementation of the LMS and NLMS algorithms for Acoustic Echo Cancellation in teleconference system using MATLAB. Vаxjoe: MSI Växjö University; 2009. 69 р. URL: https://www.academia.edu/94741525/Implementation_of_the_LMS_and_NLMS_algorithms_for_Acoustic_Echo_Cancellationin_teleconference_ systemusing_MATLAB

9. Carline M.J., Diana D.C. An Investigation on Adaptive Algorithms for Echo Cancellation of Acoustic Signals. In: 2nd Int. Conf. Sustain. Comput. Data Commun. Syst. ICSCDS 2023 – Proc. 2023. Р. 960–966. https://doi.org/10.1109/ICSCDS56580.2023.10105081

10. Haykin S. Adaptive Filter Theory: 5th ed. New York: Pearson; 2014. 960 p.

11. La Rosa A.B., Pereira P.T.L., Ücker P., Paim G., da Costa E.A.C., Bampi S., Almeida S. Exploring NLMS-Based Adaptive Filter Hardware Architectures for Eliminating Power Line Interference in EEG Signals. Circuits, Systems, and Signal Processing. 2021;40(5):3305–3337. https://doi.org/10.1007/s00034-020-01620-6

12. Zhang H., Tan K., Wang D.L. Deep learning for joint acoustic echo and noise cancellation with nonlinear distortions. In: Proceedings of INTERSPEECH. 2019. Р. 4255–4259. http://doi.org/10.21437/Interspeech.2019-2651

13. Zhang H., Wang D.L. Deep learning for acoustic echo cancellation in noisy and double-talk scenarios. In: Proceedings of INTERSPEECH. 2018. Р. 3239–3243. http://doi.org/10.21437/Interspeech.2018-1484

14. Hänsler E., Schmidt G. Acoustic Echo and Noise Control: A Practical Approach. Wiley-IEEE Press; 2005. 472 p. ISBN 978-0-471-67839-7

15. Constantini G., Casali D. New Advances in Audio Signal Processing. MDPI Books; 2024. 206 p. ISBN 978-3-7258-1059-8.

16. Демиденко А.В. Микроконтроллеры для начинающих: Интерфейсы и управление. ЛитРес; 2025. 100 c.