蔣翠清，李天翼

（合肥工業(yè)大學(xué) 管理學(xué)院，合肥 230009）

基于小波MFCC與HMM的列車鳴笛識(shí)別算法研究

蔣翠清，李天翼

（合肥工業(yè)大學(xué) 管理學(xué)院，合肥 230009）

本文提出了一種列車鳴笛識(shí)別方法，用更能反映出聲音信號(hào)特征的梅爾倒譜系數(shù)（MFCC）特征作為列車鳴笛識(shí)別的參數(shù)，同時(shí)，用小波變換替代MFCC參數(shù)提取過程中的FFT變換，將改進(jìn)后的MFCC參數(shù)與隱馬爾可夫模型（HMM）結(jié)合，獲得比LPCC特征或MFCC特征更好的識(shí)別效果，并通過仿真實(shí)驗(yàn)對(duì)比驗(yàn)證了該算法的有效性和可行性。

列車鳴笛識(shí)別；梅爾倒譜系數(shù)；小波變換；隱馬爾可夫模型

1　引　言

列車鳴笛識(shí)別的基本原理是從實(shí)時(shí)采集的列車聲數(shù)據(jù)中，提取能反映其特征的參數(shù)，與列車行進(jìn)過程中的典型聲音（鐵軌摩擦聲、剎車聲等）建立的模型匹配，得出識(shí)別結(jié)果。利用這種技術(shù)可實(shí)現(xiàn)列車鳴笛自動(dòng)檢測(cè)，以促進(jìn)列車乘務(wù)員加強(qiáng)對(duì)列車信號(hào)及前方進(jìn)路的瞭望確認(rèn)，對(duì)列車乘務(wù)員是否瞭望確認(rèn)進(jìn)行監(jiān)督。

語音信號(hào)識(shí)別常用的特征參數(shù)有線性預(yù)測(cè)系數(shù)、線性預(yù)測(cè)倒譜系數(shù)（Linear Prediction Cepstral Coefficients，LPCC）和Mel頻率倒譜系數(shù)（Mel Frequency Cepstral Coefficients，MFCC）等。其中，MFCC模擬了人耳耳蝸的聽覺特性，在語音識(shí)別領(lǐng)域得到了廣泛應(yīng)用。文獻(xiàn)提取了聲音信號(hào)的MFCC參數(shù)進(jìn)行聲音識(shí)別，取得了一定的效果，但列車聲信號(hào)是不平穩(wěn)的，MFCC無法很好地反映其特性。小波變換能夠精確的表征非平穩(wěn)信號(hào)的變化，并且其特性與人耳耳蝸的生理頻率響應(yīng)特性相似。用小波變換來改進(jìn)MFCC特征提取，能精確地反映列車聲信號(hào)的動(dòng)態(tài)特性，因而采用改進(jìn)后的MFCC作為列車聲信號(hào)的特征參數(shù)更好。

隱馬爾科夫模型（Hidden Markov Model，HMM）是一個(gè)時(shí)間序列模型，一個(gè)無記憶的非平穩(wěn)隨機(jī)過程，表征時(shí)變信號(hào)的能力很好，可以處理聲音信號(hào)中所包含的時(shí)序信息和統(tǒng)計(jì)信息，已經(jīng)被廣泛應(yīng)用于語音建模。

文中提出了一種基于小波MFCC參數(shù)和HMM模型的列車鳴笛識(shí)別方法，選取改進(jìn)后的MFCC參數(shù)作為特征，由實(shí)驗(yàn)數(shù)據(jù)分析證明了該鳴笛識(shí)別方法的可行性。

2　聲音特征參數(shù)選取

聲音特征參數(shù)提取是指從列車聲信號(hào)當(dāng)中獲得能夠描述音頻信號(hào)特征的過程。

2.1MFCC參數(shù)的提取

MFCC參數(shù)在語音信號(hào)識(shí)別領(lǐng)域運(yùn)用極為廣泛，它結(jié)合了語音的產(chǎn)生機(jī)制和人耳的聽覺感知特性，能夠很好地反映語音信號(hào)的特性，從而提高算法的識(shí)別率。如圖 1 所示，在正常提取MFCC參數(shù)的過程中對(duì)信號(hào)要作快速傅里葉變換。

圖1　MFCC參數(shù)提取流程

2.2離散小波MFCC參數(shù)的提取

傳統(tǒng)的Mel頻率倒譜系數(shù)假設(shè)聲音信號(hào)是短時(shí)平穩(wěn)的，用固定窗的傅立葉變換獲得。由不確定性原理可知這種假設(shè)會(huì)使聲音的頻譜細(xì)節(jié)特征模糊，丟失一定的信息。并且MFCC無法反映非平穩(wěn)列車聲信號(hào)的瞬間變化，因此，傳統(tǒng)的MFCC系數(shù)在列車鳴笛識(shí)別算法中不能收到很好的效果。用離散小波傅里葉變換改進(jìn)傳統(tǒng)MFCC參數(shù)提取過程中的快速傅里葉變換，能夠較好地解決上述問題。

小波變換采用多分辨力分析的思想，非均勻地劃分時(shí)頻空間，與人耳蝸的頻響特性相似。因此，在使用離散小波傅里葉變換的情況下，列車行進(jìn)聲信號(hào)在時(shí)頻域都可獲得了較為合適的分辨能力。實(shí)驗(yàn)中采用離散的二進(jìn)制小波，其表示式為：

式中，f（t）為能量有限信號(hào)；φm，n（t）為二進(jìn)制小波，表示式為：

用離散小波傅里葉變換改進(jìn)傳統(tǒng)MFCC系數(shù)提取過程，得到新的特征參數(shù)——小波MFCC系數(shù)（記作WMFCC）。WMFCC系數(shù)的提取過程如圖2所示。

圖2　WMFCC參數(shù)提取流程

3　隱馬爾可夫模型

隱馬爾可夫模型是語音處理中廣泛應(yīng)用的一種統(tǒng)計(jì)模型。HMM是一個(gè)雙內(nèi)嵌式隨機(jī)過程，其中，一個(gè)隨機(jī)過程描述狀態(tài)的轉(zhuǎn)移，另一個(gè)隨機(jī)過程描述觀察值和狀態(tài)之間的統(tǒng)計(jì)對(duì)應(yīng)關(guān)系。

HMM可以用一個(gè)五元數(shù)組：λ=（P，Q，a，M，N）描述，其中P為模型中狀態(tài)數(shù)目，Q為每個(gè)狀態(tài)可能的觀察值數(shù)目，a表示初始狀態(tài)概率，M表示狀態(tài)轉(zhuǎn)移概率矩陣，N表示觀察概率矩陣。由于在算法識(shí)別過程中狀態(tài)數(shù)目和觀察值數(shù)目不變，HMM也可簡(jiǎn)寫為λ=（a，M，N）。

HMM的常用算法有三種：前向—后向算法、Viterbi算法和Baum-Welch算法。本文中HMM的訓(xùn)練使用Baum-Welch算法，HMM的識(shí)別使用Viterbi算法。

Baum-Welch算法可描述為：給定1個(gè)觀察值序列O = O1，O2，…，OT和一個(gè)HMM初始參數(shù)λ=（a，M，N），使觀察序列O相對(duì)于λ的概率P（O|λ）最大。Baum-Welch算法為了得到模型參數(shù)的最優(yōu)解，將新老HMM模型參數(shù)的函數(shù)進(jìn)行迭代運(yùn)算直到P（O|λ）收斂，即HMM模型參數(shù)不再變化為止。

Viterbi算法可描述為：給定1個(gè)觀察值序列O = O1，O2，…，OT和一個(gè)初始參數(shù)λ=（a，M，N），如何確定未知序列K=K1，K2，…，KT的P（K，O|λ）最大時(shí)的最佳狀態(tài)序列K*=K1*，K2*，…，KT*。對(duì)于要識(shí)別的聲音信號(hào)，可算出聲音特征通過每個(gè)HMM模型的概率P（K，O|λi），其中輸出概率最大的模型作為識(shí)別結(jié)果。HMM模型的原理如圖3所示。

圖3　HMM模型原理圖

4　基于小波MFCC和HMM模型對(duì)列車鳴笛的識(shí)別

基于小波MFCC和HMM的列車鳴笛識(shí)別算法如圖4所示。首先，對(duì)列車聲信號(hào)樣本進(jìn)行預(yù)處理，提取MFCC和WMFCC，然后一部分樣本特征作為訓(xùn)練集，將兩個(gè)參數(shù)分別通過HMM模型進(jìn)行訓(xùn)練，以得到最優(yōu)的HMM參數(shù)并存儲(chǔ)；另一部分樣本特征作為測(cè)試集，通過訓(xùn)練好的模型識(shí)別系統(tǒng)計(jì)算，從而判斷其類型。

圖4　基于小波MFCC和HMM模型的列車鳴笛識(shí)別算法

5　實(shí)驗(yàn)及分析

本文實(shí)驗(yàn)樣本均為鐵路路口現(xiàn)場(chǎng)錄制，樣本精度為16bit，采樣率為44.1kHz。列車聲音分鳴笛和非鳴笛兩大類，鳴笛種類為電鳴笛和汽鳴笛，非鳴笛種類為鐵軌聲、風(fēng)聲、剎車聲等。其中，鳴笛類聲音有120個(gè)樣本，非鳴笛類聲音樣本有200個(gè)。

本文分別提取3種參數(shù)（LPCC，MFCC，WMFCC）進(jìn)行對(duì)比實(shí)驗(yàn)。LPCC參數(shù)采用文獻(xiàn)的提取方法。MFCC和WMFCC參數(shù)的提取的過程中設(shè)置如下：信號(hào)的分幀長(zhǎng)度取為25ms，幀移為8 ms。MFCC參數(shù)提取時(shí)數(shù)字濾波器組選24個(gè)，DCT系數(shù)為12*24維，對(duì)處理過的聲音信號(hào)進(jìn)行反離散余弦變換后得12個(gè)MFCC系數(shù)，再計(jì)算其一階差分12個(gè)共24維；其中WMFCC對(duì)信號(hào)進(jìn)行6層小波分解，分解后可得7層小波系數(shù)。

將實(shí)驗(yàn)樣本分為訓(xùn)練樣本和測(cè)試樣本：訓(xùn)練樣本為樣本總數(shù)的80%，測(cè)試樣本為剩余的20%的樣本。每組實(shí)驗(yàn)做10次，列出每類聲音的平均識(shí)別率，最后對(duì)不同特征組合下聲音的識(shí)別率及效率進(jìn)行比較。

表1　不同特征參數(shù)識(shí)別結(jié)果

從表1中可看出，對(duì)于相同的樣本，選取WMFCC作為特征時(shí)的正確率比選取MFCC作為特征的正確率都要高，說明WMFCC更能反映火車聲信號(hào)的非平穩(wěn)特性。從鳴笛和非鳴笛的總識(shí)別率還可以看出，選取WMFCC作為特征參數(shù)時(shí)，用HMM模型能準(zhǔn)確分辨火車鳴笛跟非鳴笛，說明火車鳴笛與非鳴笛聲信號(hào)的WMFCC特征有著較大的差異。由以上分析可得出結(jié)論：利用小波MFCC和HMM對(duì)火車鳴笛進(jìn)行識(shí)別是可行的。

6　結(jié)　論

本文將語音識(shí)別中常用的特征參數(shù)MFCC與小波變換結(jié)合，運(yùn)用到列車鳴笛識(shí)別領(lǐng)域。提出了基于小波MFCC參數(shù)與HMM模型列車鳴笛識(shí)別方法，通過實(shí)驗(yàn)的數(shù)據(jù)分析表明該方法識(shí)別率較高，在列車鳴笛等異常聲音識(shí)別中有良好的應(yīng)用前景。

如果對(duì)算法進(jìn)行優(yōu)化，將其移植到C等底層語言中并與硬件結(jié)合，不僅能夠較大幅度地提高算法運(yùn)行效率，同時(shí)還能實(shí)現(xiàn)列車鳴笛的實(shí)時(shí)識(shí)別，從而更好地監(jiān)督列車乘務(wù)員是否瞭望確認(rèn)，促進(jìn)火車的安全運(yùn)行。

主要參考文獻(xiàn)

［1］S Chauhan，P Wang，C Sing Lim，et al.A Aomputer-aided MFCC-based HMM System for Automatic Auscultation［J］.Computers in Biology and Medicine， 2008， 38（2）： 221-233.

［2］成彬彬，張海.基于小波變換的數(shù)字耳蝸濾波器組設(shè)計(jì)與實(shí)現(xiàn)［J］.電子技術(shù)應(yīng)用，2009（1）：135-138.

［3］劉輝，楊俊安，許學(xué)忠.基于 MFCC 參數(shù)和 HMM 的低空目標(biāo)聲識(shí)別方法研究［J］.彈箭與制導(dǎo)學(xué)報(bào)，2008，27（5）：217-219.

［4］韓紀(jì)慶，張磊，鄭鐵然.語音信號(hào)處理［M］.北京：清華大學(xué)出版社，2004.

［5］張德豐.MATLAB 小波分析［M］.北京：機(jī)械工業(yè)出版社，2009.

［6］陳韜偉，辛明.基于小波變換的雷達(dá)輻射源信號(hào)特征提取［J］.信息與電子工程，2010，8（4）：436-440.

［7］張小玫，張雪英，梁五洲.基于小波 Mel 倒譜系數(shù)的抗噪語音識(shí)別［J］.中國電子科學(xué)研究院學(xué)報(bào)，2008，3（2）：187-189.

［8］ 何強(qiáng)，何英.MATLAB 擴(kuò)展編程［M］.北京：清華大學(xué)出版社，2002：352-371.

［9］ 王鐘斐，王彪.基于短時(shí)能量—LPCC 的語音特征提取方法研究［J］.計(jì)算機(jī)與數(shù)字工程，2012，40（11）：79-80.

10.3969/j.issn.1673 - 0194.2015.06.053

TN912.34

A

1673-0194（2015）06-0072-02

2015-02-11