本课题是研究短波通信中莫尔斯信号的自动检测和识别。莫尔斯信号是短波信号中简单、实用的一种通信制式，目前仍被大量的采用着，尤其在军事通信领域，更发挥着不可替代的作用。长期以来，莫尔斯信号的接收译码都靠人工完成，大量人力每天都在做简单的重复性工作。为了解放人力减轻工作强度，本课题研究并实现了莫尔斯信号的自动检测和识别抄收技术，以替代人工手抄的工作过程。 语音信号的频率范围介于100Hz至3400Hz之间，语音识别技术就是利用数字信号处理方法提取该频段范围信号特征，再依据一定的判别准则判定信号的内容。莫尔斯信号是单音频等幅信号，频率一般出现在1000Hz左右，位于语音频段内，并且信号表达式简单，故可利用语音信号处理方法去处理莫尔斯信号，达到检测和识别的目的。 提取语音参数之前，有一些经常使用的、共同的短时分析技术必须预先进行，如语音信号的数字化、语音信号的端点检测、预加重、加窗和分帧等，这些是不可忽视的语音信号分析的关键技术。 语音信号的参数有时域和频域之分。本文利用时域参数中的短时能量和短时过零率作为莫尔斯信号端点检测参数取得了很好的效果。 噪声是短波信号中不可避免的成分，所以选用合适的滤波方法，得到干净的信号质量是必需环节。功率谱法是一种广泛用于去除加性噪声的技术。应用于短波信号中能去除大部分背景噪声，提高信号质量。 当今语音识别技术的主流算法，主要有隐马尔可夫模型(HMM)方法和矢量量化(VQ)方法。矢量量化的算法所需的模型训练数据，训练与识别时间，工作存储空间都很小。对于词汇量很小的莫尔斯信号非常适用。 莫尔斯信号采用的速率很广，从60码／分到200码／分不等，采用错误的速率去识别未知信号，必然导致错误的结果。本文根据莫尔斯信号特点，应用统计平均值算法，动态估计当前信号的速率，从而得到正确的识别结果。 本文通过对语音识别技术的深入研究，结合莫尔斯报文的特点，实现了