随着通信传输技术向高速数字化、综合化的方向发展,非话业务在公共交换电话网( Public Switched Telephone Network,PSTN )中所占的比重越来越大,话带数据(Voice Band Data,VBD)就是其中最重要的一种。对PSTN数据的研究过程就是一个充分利用现代信号处理、语音识别、调制分析、模式识别、优化计算等各种理论、方法对信号进行分析的过程。因此,对PSTN数据的分析、研究与应用在信号处理中具有重要的理论意义与应用价值。针对VBD信号的分离、识别等问题,本文分别从信令与话路对应关系分析、信号识别、调制信号分析等各个方面对模式识别过程所涉及的特征参数提取、分类器优化与集成等内容进行了深入研究。1.首次将基于动态规划思想的最优路径回溯算法应用于信令与话路对应关系分析。首先从信号通联本质出发对话路特征进行提取,以准确的判断通联的起始时刻,进而找出信令中相关消息与话路通联特征的对应关系,并通过最优子策略效益函数计算最小编辑距离,完成最优路径回溯。该算法高效、准确地实现了信令、话路对应关系的自动分析,提高了语音和VBD信号的获取能力。2.针对语音、VBD信号分类问题,提出了基于错误返回与随机抽取(Error Return Random Bagging, ERRB)相结合的选择性集成SVM算法,根据分类器集成的差异性定义,采用基于两层级联结构的动态叠加算法完成决策输出。该方法能够在训练阶段准确地选择具有较高识别精度和差异性的成员分类器,并在测试阶段完成对已选各成员分类器的动态集成输出,实现了VBD信号的有效分离。实验结果表明,文中提出的方法无论在分类精度还是在运算复杂度上都取得了较好的效果。3.针对低信噪比条件下色噪声中的单音信号频率估计问题,提出了基于色噪声功率补偿的差分功率平滑(Differential Sliding Comparison,DSC)算法,并首次引入DSC谱的概念,通过其邻域抽头均值大小对当前功率谱抽头进行平滑,从而有效抑制色噪声对频率估计的不利影响。针对码元速率估计问题,提出了DSC-CZT算法,该算法能够有效地克服色噪声对参数估计的影响,并借助CZT改善了频率分辨率,可在低信噪比条件下,利用较短长度的数据取得较高的估计精度。针对载波频率估计问题,提出了基于分段平均谱搬移概念的Rife改进算法(Average Spectrum Conversion Rife,ASCR)。该算法利用分段平均谱提高Rife算法的抗噪性能,进而通过频率搬移的方法保证新信号的频率始终位于两个相邻量化频率点的中心区域,提高了Rife算法的估计性能。4.针对调制信号类型识别问题,基于信号的DSC谱,构造了单频分量检测FE和峰值序列PS两个新的特征参数,改进了零中心归一化瞬时幅度谱密度最大值γmax参数,提高了其抗噪声性能。针对单个RBF网络,采用模拟退火算法对用于隐含层训练的K-均值聚类算法进行了优化,提高了隐含层参数精度。针对神经网络的过学习问题,提出了一种基于泛化误差性能跟踪的最优训练中止算法,避免了训练中的过学习问题。基于优化的RBF网络,提出了一种基于最优权重搜索的神经网络动态集成算法,提高了调制信号识别的精度和系统的泛化能力。根据VBD信号特点,构造了梳状谱检测、单频分量组合提取等新的特征参数,对VBD信号识别的特征向量构建方法进行了描述,并给出了基于最优权重搜索的神经网络集成算法在VBD信号类型识别中的应用。最后,对全文的工作进行了总结,指出了文中算法的创新点,对今后工作中的研究方向进行了展望。