唐震

【摘要】 就发展现状来看，高维信号、宽带信号、高分辨信号等技术不断更新，促使信号处理进入到大数据时代，信号采集数据增长率已经远远超高数据存储增率和信号处理速度增长率，逐渐暴露出各种问题。面对此种情况，必须要采取有效的措施，应用专业技术，来提高信号处理效果。本文对大数据背景下信号处理要点进行了简要分析。

【关键词】 大数据 信号处理 信息融合

信号形式不断丰富，且由窄带信号扩展到宽带信号，由一维信号逐渐发展到高维信号，在大数据背景下信号处理难度不断上升。信号处理现在已经由传统的应用领域扩展到天文、金融、能源、地理科学以及社会网络等多个领域，信号数据具有多样性与复杂性特点，想要提高处理效率，必须要对其进行信息融合。

一、多传感器信息融合分析

多传感器组网系统现在已经被广泛的应用到智能机器人、智能车辆系统、安全检测、医学成像与诊断等多个领域。系统在运行时会产生大量的数据信息，并且数据在不断更新，系统通信链路数据传输率要求十分高。并且各种平台上多类传感器会采集到大量的信息数据，内容丰富多样，彼此可以进行有效补充，对于单一传感节点来说，大部分数据准确度均在95%以内。对于传感器来说，相互间信号数据类型差异较大，结构不同、尺度不同，并且具有各式矛盾、内容残缺、重复冗余等特点。想要从海量的数据信息中，提取出有用、实时、精确的信息，来对目标进行属性和特征的判定，必须要对多种信号源数据进行信息融合，是大数据背景下提高信号处理的关键途径。通过信息融合方法，来对多样化信息进行协调使用，对时空上互补与冗余的信息进行优化处理后，准确判断检测对象属性与本质，并可进一步提高整个系统性能[1]。常用的数据方法有非线性滤波法、卡尔波滤波法、模糊推理法、证据理论法等。

二、大数据背景下信号处理分析

2.1高速数字信号处理

传感器性能不断提升，且应用环境复杂度更高，要求数字信号处理系统必须要对性能进行更新，在建立更高信号处理与I/O带宽基础上，还要实现低功耗以及升级扩展快特点。在大数据背景下，数据信号量持续增加，高速数据传输与处理要面临更大的挑战，其中高速模拟数字转换（A/D）技术与传感器性能的提升，可以实现在更高频率提取来有效提取更宽频信号，具有更高的分辨率，对于信号处理来说，需要有效处理更大带宽、更多通道和更高数据率的原始数据。以提高信号处理效率为目的，需要进一步研究多核信号处理器与高速多处理器互联技术。

2.2高速数字信号处理芯片

2.2.1多核DSP芯片

（1）片上多核结构DSP

片上多核技术即利用总线将多个DSP有效集成起来，采用资源复制的方式，来提高信号处理能力。现在TI，Freescale多款高端DSP芯片便是采用的此种结构形似，例如TI的C665x、C667x系列等[2]。

（2）可重构阵列结构DSP

可重构阵列结构DSP基于SIMD设计理念，将输入长数据分解成多个短数据，然后采用单指令来完成操作，可以进一步提高处理数据密集运算的能力。例如TILE64处理器以及XETAL-II处理器。

（3）流体系结构DSP

主要采用数据驱动机制，架构主要包括指令存储器、路径网络、处理部件以及输出部件等几部分组成。此种结构在实际应用中，可以实现高度并行操作，并且可以与现代VLSI技术具有较高的适应度。

2.2.2高性能FPGA芯片

FPGA现在已经实现了成本、性能、功耗等多个方面的更新，并且大幅度的提升了芯片并行处理能力，对大数据背景下信号处理来说具有重要意义。因此基于90nm集成电路工艺，FPGA已经实现面向DSP应用优化高端FPGA平台的设计，有效提高了DSP功能及其互联性能。

2.2.3专用ASIC芯片

ASIC集成电路具有一定的设计目的，可以有效实现对特定高速信号的处理，与常规集成电路相比，芯片具有功耗低、体积小、性能高、可靠性高以及保密性强等特点，且有效降低了生产成本。例如Hardcopy系列芯片，集合了FPGA设计优势，以及ASIC量产优势，能够在更短的时间内实现已经通过FPGA向ASIC的转化，并且在实际应用中所需功耗更低，能够更好的满足信息处理需求。

三、结束语

大数据背景下，信号处理将要面临更大的挑战，想要有效处理海量数据，需要重点研究并实现信息融合，对复杂多源的信息进行有效处理，并利用智能传感网技术，搭配高速信号处理技术，应用高速信号处理芯片，来提高信号处理质量和效率。

参 考 文 献

[1] 谢维信，陈曾平，裴继红，黄建军，冯纪强.大数据背景下的信号处理[J].中国科学：信息科学，2013，12：1525-1546.

[2] 李溪，郑馨，张建琦.大数据背景下的信号发送与信号甄别研究[J].情报科学，2016，07：46-50.