李一芳

(南京航空航天大學(xué)經(jīng)濟(jì)與管理學(xué)院，南京 210016)

0 引言

隨著通信事業(yè)的快速發(fā)展，對于通信網(wǎng)絡(luò)的建設(shè)與管理提出了更高的要求。光纜是現(xiàn)代大容量通信的重要組成部分，對于光纜的保護(hù)也隨之提出了更高的要求。

聲音作為目標(biāo)活動時發(fā)出的一種固有信號，必然攜帶著目標(biāo)本身的結(jié)構(gòu)信息和運行狀態(tài)信息。利用聲音傳感器可以實現(xiàn)對通信光纜鋪設(shè)區(qū)域進(jìn)行全天候不間斷的監(jiān)測，通過光纖傳感器拾取目標(biāo)活動時產(chǎn)生的聲振動信號，提取其中的特征，可以對目標(biāo)進(jìn)行探測、識別和分類。將獲取的信息傳輸給通信網(wǎng)絡(luò)控制臺或指揮中心，可以使指揮人員及時準(zhǔn)確的了解和掌握監(jiān)測區(qū)域的情況，從而及時有效的對通信光纜進(jìn)行巡查和維護(hù)，切實保障通信網(wǎng)絡(luò)的可靠性和安全性。針對通信光纜的破壞事件諸如鏟車，電鉆以及施工等，需要采取一種切實可行的方式來進(jìn)行實時識別，以便采取及時的保護(hù)措施，保證光網(wǎng)絡(luò)的通信質(zhì)量。

本文旨在研究基于Mel頻率倒譜系數(shù)提取光纜聲音信號特征的提取方法，為通信網(wǎng)絡(luò)實時監(jiān)控提供一種有效的手段。

1 Mel頻率倒譜系數(shù)

1.1 聲音識別系統(tǒng)

聲音識別系統(tǒng)的基本原理是：通過訓(xùn)練樣本的量化，提取特征參數(shù)來建立樣本文件，保存在聲音樣本數(shù)據(jù)庫中；通過采集被識別的聲音，提取特征參數(shù)后通過匹配算法與樣本數(shù)據(jù)庫中的樣本進(jìn)行匹配，并輸出識別結(jié)果。典型的聲音識別系統(tǒng)基本模型如圖1所示。

圖1 聲音識別系統(tǒng)基本模型

由于特征參數(shù)能夠有效地體現(xiàn)該聲音所包含的區(qū)別于其他聲音的不同特點，它在整個識別過程中起著至關(guān)重要的作用。目前，在識別研究領(lǐng)域使用較多的有Mel頻率倒譜系數(shù)(Mel Frequency Cepstrum Coefficient，MFCC)[1-2]、線性預(yù)測倒譜系數(shù)(Linear Predictive Cepstrum Coefficients，LPCC)、線性倒譜對(Linear Spectrum Pair，LSP)等。已有的研究表明MFCC在識別系統(tǒng)中具有很高的識別性能以及噪聲魯棒性。

1.2 低頻頻譜識別

MFCC主要描述信號在頻率域上的能量分布，它能夠較好地模擬人耳聽覺系統(tǒng)的感知能力。MFCC使用一串在低頻區(qū)域交叉重疊排列的三角型濾波器(如圖2所示)，捕獲聲音的頻譜信息。由于Hz-Mel頻率非線性的對應(yīng)關(guān)系，使得在低頻區(qū)域使用的濾波器數(shù)量較多，分布密集；而在高頻區(qū)域使用的濾波器數(shù)量較少，分布稀疏。由于光纜的破壞事件的頻譜大致都位于低頻區(qū)域，所以采用MFCC能夠獲得很好的識別效果。本文所呈現(xiàn)的實驗結(jié)果表明，采用該特征參數(shù)對于破壞事件的識別率，獲得了比較好的結(jié)果。

圖2 三角濾波器分布

2 聲音特征參數(shù)的提取

MFCC參數(shù)是研究人的聽覺系統(tǒng)的基礎(chǔ)上而得出的聲學(xué)特征[3-4]。對于人的聽覺機(jī)理研究發(fā)現(xiàn)，當(dāng)兩個頻率相近的音調(diào)同時發(fā)出時，人只能聽到一個聲調(diào)。臨界帶寬指的就是這樣一種令人主觀感覺發(fā)生突變的帶寬邊界。當(dāng)兩個音調(diào)的頻率小于臨界帶寬時，人們就把兩個音調(diào)聽成一個，這就是所謂的掩蔽效應(yīng)。Mel刻度就是對這個臨界帶寬的度量方法之一。根據(jù)已有的研究工作表明，臨界頻帶寬隨著頻率的變化而變化，并與Mel頻率的增長一致。采用Mel頻率模擬人耳的聽覺，它與聲音頻率的大概關(guān)系近似表示為：在1000Hz以下，大致呈線性分布，帶寬為100Hz左右；在1000Hz以上呈對數(shù)增長。頻率f與Mel頻率Mel(f)之間的轉(zhuǎn)換關(guān)系為：

Mel(f)=2595lg(1+f/ 700)

MFCC特征參數(shù)提取過程是：首先將聲音信號進(jìn)行FFT變換到頻域，通過Mel尺度的濾波器陣列后進(jìn)行離散余弦變換，得到特征參數(shù)，如圖3。

圖3 MFCC提取流程

MFCC參數(shù)具體提取過程如下：

1)預(yù)加重，對每一幀信號減少尖銳噪聲影響，提升高頻信號[5]。預(yù)加重的定義式如下所示：

Sn=Sn-aSn-10.9≤a≤1.0

Sn為原始信號(系統(tǒng)中采用25k采樣率，32bits采樣精度，參數(shù)a通常取0.9725)。

2)窗長40ms，窗移20ms，因此，每幀有1000個采樣點。對信號加窗以避免短時聲音信號段邊緣的影響。加窗的定義如下：

Sw(n)=Sn×w(n) (Sw(n)是加窗后的信號)

其中w(n)為窗函數(shù)：

3)對Sw(n)進(jìn)行快速傅里葉變換[6-7]：由于聲音信號在時域上的變化快速而且不穩(wěn)定，所以通常都將它轉(zhuǎn)換到頻域上來觀察[8]，此時它的頻譜會隨著時間作緩慢的變化。所以通常將加窗后的幀經(jīng)過FFT變換，求出每幀的頻譜參數(shù)。

4)把上一步變換得到的頻譜系數(shù)用序列三角濾波器進(jìn)行濾波處理，得到一組系數(shù)c1,c2,…。濾波器組中每個三角濾波器的跨度在Mel刻度上是相等的。所有的濾波器總體上覆蓋從0Hz到奈奎斯特頻率，即采樣頻率的二分之一。

計算ci的公式如下：

ci=ln[X(k)×Hi(k)]

其中：

f[i]是三角濾波器的中心頻率，滿足：

Mel(f[i+1])-Mel(f[i])=Mel(f[i])-
Mel(f[i-1])

5)利用離散余弦變換求得倒譜系數(shù)。其中P是三角濾波器的個數(shù)。倒譜系數(shù)的個數(shù)為24，由下式得出：

通過上述步驟，即可以得到24維MFCC特征參數(shù)。但是，這并不意味著系統(tǒng)最后選取的特征參數(shù)就是24維的，因為其中可能存在對于識別系統(tǒng)沒有貢獻(xiàn)的分量。MFCC特征系數(shù)的低階及高階部分對于識別系統(tǒng)的貢獻(xiàn)仍然未知。已有的研究表明，高階與低階的MFCC特征參數(shù)在不同的識別環(huán)境下會體現(xiàn)出不同的識別性能和噪聲魯棒性。所以，在下一步的實驗仿真過程中，通過不同維度特征參數(shù)的對比來選擇最適合的特征分量組合。

3 實驗仿真

仿真過程中對樣本聲音信號采用了25k采樣率，32bits量化長度，每一幀信號長度為40ms，幀移20ms，并利用漢明窗進(jìn)行短時分析。對采集的鏟車、電鉆以及施工事件的聲音信號，采用基于時域短時能量和短時過零率的雙門限端點檢測法，去掉其中部分冗余信息，確保所提取的聲音信號的有效性。實驗過程中選取預(yù)處理后聲音樣本的100幀作為聲音訓(xùn)練樣本，100幀作為測試樣本。

利用支持向量機(jī)(Support Vector Machine，SVM)對三種聲音信號兩兩之間進(jìn)行訓(xùn)練、預(yù)測以及分析結(jié)果。SVM[9-10]方法是在統(tǒng)計學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)上發(fā)展起來的一種新的機(jī)器學(xué)習(xí)方法，根據(jù)有限的樣本信息在模型的復(fù)雜性(即對特定訓(xùn)練樣本的學(xué)習(xí)精度)和學(xué)習(xí)能力(即無錯誤地識別任意樣本的能力)之間尋求最佳折衷。它能夠克服基于規(guī)則的層次分類方法的缺點，并且不需要選定閾值。

實驗仿真中采用5倍交叉驗證方法進(jìn)行評判[11]，即將5次實驗的平均識別率作為最終的實驗結(jié)果。另外，為了選取最佳的特征組合，同時也是為了滿足識別系統(tǒng)的實時性要求，需要將特征數(shù)據(jù)降維，提高系統(tǒng)的處理效率。仿真選擇其中最能代表聲音信號的維度作為最終系統(tǒng)選用的特征。因此，同時還選擇了8維聲音特征向量來仿真識別的效果。識別結(jié)果如表1所示。

表1 不同維數(shù)特征向量實驗識別率(%)

實驗過程中采用徑向基函數(shù)(Radial Basis Function，RBF)作為核函數(shù)。從實驗結(jié)果可以看出，不論是24維特征向量還是8維特征向量，都具有令人比較滿意的識別率。這說明，采用MFCC作為該識別系統(tǒng)的特征參數(shù)，能夠獲得比較好的識別效果。同時，系統(tǒng)采用8維特征向量與采用24維特征向量的識別效果相當(dāng)，這也從一定程度上表明特征向量的降維對于實際識別系統(tǒng)的可行性。

4 結(jié)論

作為主流識別領(lǐng)域的MFCC在識別中能較好地模擬人耳聽覺系統(tǒng)的感知能力，在識別系統(tǒng)中具有很高的識別性能以及噪聲魯棒性，對低頻聲音信號有著很好的計算精度[12]。MFCC特征參數(shù)的高低維部分對于不同識別環(huán)境表現(xiàn)出不同的識別性能和噪聲魯棒性。

通信光纜周邊環(huán)境中的各種破壞事件所產(chǎn)生的聲音的頻率主要位于500Hz以下低頻部分，根據(jù)MFCC的良好特性，采用MFCC作為該聲音識別系統(tǒng)的特征參數(shù)，且主要是選擇MFCC的低維部分作為該系統(tǒng)的特征參數(shù)。實驗仿真結(jié)果表明，采用低維MFCC特征參數(shù)能夠得到比較滿意的識別效果。這就為下一步系統(tǒng)的建立奠定了堅實的基礎(chǔ)。下一步，通過采集更多的不同的事件聲音樣本信號，通過兩類或者三類樣本之間的組合來進(jìn)行識別，仿真尋找更加優(yōu)化的特征維度組合，提高識別的速度和精度。

[1] 江星華，李應(yīng).一種基于MFCC 的音頻數(shù)據(jù)檢索方法[J].計算機(jī)與數(shù)字工程，2008(9)

[2] 葉慶云，蔣佳.基于語音MFCC 特征的改進(jìn)算法[J].武漢理工大學(xué)學(xué)報，2007(5)

[3] 張震,化清.語音信號特征提取中Mel倒譜系MFCC 的改進(jìn)算法[J].計算機(jī)工程與應(yīng)用，2008，44(22)

[4] 韓一，王國胤，楊勇.基于MFCC 的語音情感識別[J].重慶郵電大學(xué)學(xué)報，2008(5)

[5] 白靜，張雪英.基于支持向量機(jī)的抗噪語音識別[J].太原理工大學(xué)學(xué)報，2009(1)

[6] 楊行峻，遲惠生，等.語音信號數(shù)字處理.北京：電子工業(yè)出版社，1995

[7] Rabiner L，Juang B H.Fundamental of Speech Recognition.New York：Prentice Hall，1993

[8] Furui S.Speaker Independent Isolated Word Recognition Using Dynamic Feature of Speech Spectrum.IEEE Trans on Acoustics，Speech，Signal Processing，1986，34(1):52-59

[9] Seneff S.A Joint Synchrony/mean-rate Model of Auditory Speech Processing.Journal of Phonetics,1998， 16:55-76

[10] Atal B S.Automatic Recognition of Speakers from Their Voices.Proceeding of IEEE，1976，64(4):460-475

[11] Reynolds D A.Experimental Evaluation of Features for Robust Speaker Identification.IEEE Trans on Speech and Audio Processing.1994，2(4):639-643

[12] Kanedera N，Arai T，Hermansky H，et al.0n the Importance of Various Modulation Frequencies for Speech Recognition.In：Proceedings of EUR0SPEECH，1997，Rodos，Greece