李海濤，劉 振，陳 喆，邱家興

(海軍潛艇學院，山東青島266071)

0 引 言

船舶輻射噪聲分類識別是判別船舶目標類型的重要方法。近年來，深度學習技術的發(fā)展為船舶輻射噪聲分類識別提供了一個新的方法。國內外許多專家學者將深度學習技術應用于船舶輻射噪聲分類識別上，以提高船舶目標分類識別能力。Sabara R基于圖形信號處理和卷積神經(jīng)網(wǎng)絡研究，開發(fā)了一種基于圖形卷積神經(jīng)網(wǎng)絡的水聲目標識別系統(tǒng)[1]。Kamal S使用深度置信網(wǎng)絡提取信號時頻信息的深度特征用于分類識別[2]。國內也對基于深度學習的船舶輻射噪聲分類識別方法進行了深入的研究，主要方法是使用深度神經(jīng)網(wǎng)絡[3～5]、卷積神經(jīng)網(wǎng)絡[6～13]、深度置信網(wǎng)絡[13～16]、自編碼神經(jīng)網(wǎng)絡[17～19]等模型提取不同輸入數(shù)據(jù)的深度特征，并用于分類識別。

人工聽測判型是船舶輻射噪聲分類識別的重要方法。在此過程中，操作員獲得的信息僅為人耳聽測得到的船舶輻射噪聲。經(jīng)驗豐富的操作員根據(jù)多年積累的先驗知識對聽測的噪聲信號進行分類識別。研究人耳聽覺特性，對于分類識別具有重要意義。張大偉[20]將聽覺中樞上的二維聽覺譜圖作為卷積神經(jīng)網(wǎng)絡的輸入，提取出深度特征并用于分類識別。楊宏暉[21]使用多尺度卷積濾波器將時域信號分解為具有不同頻率分量的信號，使用卷積神經(jīng)網(wǎng)絡對每個信號進行特征提取用于分類識別。本文從人耳聽覺的角度出發(fā)，提出一種融合人耳聽覺特性與堆疊自編碼神經(jīng)網(wǎng)絡（Stacked Auto-Encoder Network,SAE）的船舶輻射噪聲分類方法。該方法首先使用Mel濾波器提取船舶輻射噪聲模擬人耳聽覺特性的特征量，然后將該特征量作為堆棧自編碼神經(jīng)網(wǎng)絡的輸入，逐層提取輸入數(shù)據(jù)的深度特征并用于分類識別。

1 人耳聽覺特征量的提取

1.1 Mel濾波器

研究表明，人耳對聲音的選擇不均勻。它在自己關注的頻率范圍內聽測度較高，在其他頻率范圍內聽測度較低，人耳的這種選擇可以用一組Mel濾波器來模擬。Mel濾波器在頻率上分布不均勻，它在高頻段分布稀疏，在低頻段分布密集。通過Mel濾波器可以將信號真實頻率轉化為人耳聽覺關注的Mel頻率，Mel頻率與真實頻率近似滿足如下關系式：

其變化趨勢圖如圖1所示。

圖1 Mel頻率與真實頻率關系圖Fig.1 Diagram of the relationship between Mel frequency and real frequency

在0～10kHz頻帶設計的20組Mel濾波器，其頻率響應與頻率的關系如圖2所示。

圖2 Mel濾波器頻率響應與頻率關系圖Fig.2 Diagram of frequency response and frequency of Mel filter

1.2 船舶輻射噪聲信號的人耳聽覺特征量

針對某商船信號進行處理，信號時長25s，時域波形如圖3所示。

圖3 某商船信號時域波形圖Fig.3 Time-domain waveform of a merchant ship signal

對信號進行分幀處理，每幀信號時長1s，幀移0.5s。計算每幀信號的人耳聽覺特征量。取第1幀信號，作DFT處理：

得到信號頻域特征如圖4所示。

圖4 商船某幀信號頻域特征Fig.4 Frequency-domain characteristics of a frame signal of merchant ship

針對信號頻域特征，在頻域范圍內設置1000組Mel濾波器，得到如圖5所示的特征譜圖，該特征譜圖即為模擬人耳聽覺獲得的特征量。

圖5 通過 Mel濾波器后的特征譜圖Fig.5 Characteristic Spectrum after Mel filtering

2 堆棧自編碼神經(jīng)網(wǎng)絡[22]

2.1 自編碼器

自編碼器由編碼器和解碼器2部分組成，結構如圖6所示。

圖6 自編碼器結構圖Fig.6 Structural diagram of self-encoder

2.2 自編碼神經(jīng)網(wǎng)絡

自編碼神經(jīng)網(wǎng)絡是一種特殊的自編碼器，它通過神經(jīng)網(wǎng)絡實現(xiàn)自編碼器的功能，其結構如圖7所示。自編碼神經(jīng)網(wǎng)絡通過訓練一個神經(jīng)網(wǎng)絡來得到一個恒等函數(shù)，使得網(wǎng)絡模型的輸出等于輸入。訓練完成的模型具備了的能力。當層神經(jīng)元節(jié)點數(shù)小于層神經(jīng)元節(jié)點數(shù)時，為了能夠重構輸入數(shù)據(jù)，網(wǎng)絡模型必須自動學習輸入數(shù)據(jù)的壓縮表示，這個過程是對輸入數(shù)據(jù)的特征壓縮和提取。

圖7 自編碼神經(jīng)網(wǎng)絡結構圖Fig.7 Structural diagram of self-coding neural network

2.3 堆棧自編碼神經(jīng)網(wǎng)絡

圖8 深度特征的逐層提取過程Fig.8 Extraction of depth features layer-by-layer

3 融合人耳聽覺特性與 SAE 網(wǎng)絡的船舶輻射噪聲分類方法

3.1 基于SAE網(wǎng)絡提取人耳聽覺信息的深度特征

3.1.1 自編碼網(wǎng)絡參數(shù)選擇

自編碼神經(jīng)網(wǎng)絡訓練中最重要的參數(shù)是確定隱含層神經(jīng)元節(jié)點數(shù)。目前理論上還不存在普遍的方法用于確定隱含層節(jié)點數(shù)，節(jié)點數(shù)的選擇主要是通過經(jīng)驗選擇和實驗確定[23]。訓練自編碼神經(jīng)網(wǎng)絡的目的是為了使輸出數(shù)據(jù)盡可能復原輸入數(shù)據(jù)，因此本文通過計算神經(jīng)網(wǎng)絡輸入與輸出之間的誤差來確定隱藏層節(jié)點數(shù)，計算公式為：

選擇某一幀商船信號的人耳聽覺特征量，將其作為自編碼神經(jīng)網(wǎng)絡的輸入，網(wǎng)絡輸入節(jié)點數(shù)為1000，選擇不同的隱含層神經(jīng)元節(jié)點數(shù)，計算網(wǎng)絡輸入與輸出之間的誤差。隨機挑選了5幀信號作為輸入，得到如圖9所示的統(tǒng)計結果。

圖9 自編碼網(wǎng)絡輸入與輸出之間的誤差Fig.9 Error between input and output of self-coding network

通過計算可以看出，當網(wǎng)絡隱藏層神經(jīng)元節(jié)點數(shù)選擇為輸入層節(jié)點數(shù)的一半時，網(wǎng)絡輸入與輸出之間的誤差最小。因此本文設置網(wǎng)絡隱藏層節(jié)點數(shù)為輸入神經(jīng)元節(jié)點數(shù)的一半。

3.1.2 深度特征提取

針對船舶輻射噪聲的人耳聽覺特征量，設置5層自編碼神經(jīng)網(wǎng)絡提取其深度特征，設置每一層網(wǎng)絡節(jié)點數(shù)時，隱藏層節(jié)點數(shù)為輸入神經(jīng)元節(jié)點數(shù)的一半。網(wǎng)絡模型的訓練采取逐層訓練的方法，每次只訓練一層網(wǎng)絡模型，上一層網(wǎng)絡訓練完成后，提取隱藏層數(shù)據(jù)作為下一層網(wǎng)絡的輸入，以此類推。

當5層自編碼神經(jīng)網(wǎng)絡全部訓練完成之后，提取每層網(wǎng)絡的輸入層和隱藏層數(shù)據(jù)堆疊成SAE網(wǎng)絡模型，則該網(wǎng)絡模型的節(jié)點數(shù)設置為1000-500-250-100-50-25。選擇某商船信號進行試驗，提取該信號通過Mel濾波器的平均能量譜圖，使用上述5層自編碼神經(jīng)網(wǎng)絡提取其深度特征。觀察每一層網(wǎng)絡的輸入數(shù)據(jù)與輸出數(shù)據(jù)的相似度情況，得到5層自編碼神經(jīng)網(wǎng)絡輸入數(shù)據(jù)與輸出數(shù)據(jù)的對比圖，如圖10所示。

可以看出，每一層自編碼神經(jīng)網(wǎng)絡對輸入數(shù)據(jù)都有很好的復原效果。但是，當輸入層網(wǎng)絡節(jié)點數(shù)較多時，輸出數(shù)據(jù)與輸入數(shù)據(jù)之間相對誤差較大。隨著輸入層網(wǎng)絡節(jié)點數(shù)的減小，自編碼神經(jīng)網(wǎng)絡對輸入數(shù)據(jù)的復原效果越來越好。尤其在第5層自編碼神經(jīng)網(wǎng)絡中，輸出數(shù)據(jù)與輸入數(shù)據(jù)基本相同。提取每一層自編碼神經(jīng)網(wǎng)絡的隱藏層數(shù)據(jù)，該數(shù)據(jù)即為深度特征的逐層提取過程。

圖10 五層自編碼神經(jīng)網(wǎng)絡輸入數(shù)據(jù)與輸出數(shù)據(jù)對比圖Fig.10 Contrast diagram of input data and output data of five-layer self-coding neural network

3.2 建立數(shù)據(jù)集

使用實測船舶輻射噪聲信號建立訓練集和測試集，信號總數(shù)為913條，每條信號時長在35～60s之間。對所有信號按照船舶類型分類，共分25類。針對每一條信號，以3s為一段劃分樣本，對每一個樣本進行分幀處理。計算每一幀信號模擬人耳聽覺特征量的特征數(shù)據(jù)，取平均值作為樣本的特征數(shù)據(jù)。取每條信號前3/4樣本及其對應的類別標記作為訓練數(shù)據(jù)集，后1/4樣本及其對應的類別標記作為測試數(shù)據(jù)集。

3.3 訓練與識別過程

訓練過程分2步進行：

第1步為無監(jiān)督訓練，使用訓練集數(shù)據(jù)對5層自編碼神經(jīng)網(wǎng)絡進行訓練。通過訓練獲得一個初始化的網(wǎng)絡權值，訓練完成后提取每層自編碼神經(jīng)網(wǎng)絡的輸入層和隱藏層，堆疊得到SAE網(wǎng)絡模型。

第2步訓練過程為有監(jiān)督訓練，使用訓練數(shù)據(jù)集和其類別標記對SAE網(wǎng)絡進行訓練。在此過程中，統(tǒng)計網(wǎng)絡前向運算與數(shù)據(jù)類型標記之間的交叉熵損失函數(shù)，對網(wǎng)絡模型進行反向傳播訓練。當訓練集所有數(shù)據(jù)訓練一遍時，記為迭代一輪。統(tǒng)計每一輪迭代過程中產(chǎn)生平均損失函數(shù)隨迭代輪數(shù)的變化過程，如圖11所示。

圖11 平均損失函數(shù)隨迭代輪數(shù)變化圖Fig.11 Variation diagram of average loss function with the number of iteration rounds

保存訓練完成的SAE模型，使用測試數(shù)據(jù)集檢測SAE網(wǎng)絡模型的識別能力。統(tǒng)計識別結果發(fā)現(xiàn)，針對本實驗所使用的數(shù)據(jù)集，識別正確率為91.19%，結果表明該方法具有較好的識別效果。

4 結 語

人耳聽測是船舶輻射噪聲分類識別的重要方法，本文從人耳聽覺角度出發(fā)，提出一種融合人耳特性與SAE網(wǎng)絡模型的船舶輻射噪聲分類方法。該方法使用Mel濾波器模擬人耳對噪聲信號頻率的選擇，使用SAE網(wǎng)絡逐層自動提取艦船輻射噪聲模擬人耳聽特征量的深度特征，并將該特征用于分類識別。針對實測船舶輻射噪聲信號進行試驗，結果表明，本文提出的方法在試驗數(shù)據(jù)集上的識別正確率為91.19%，具有較好的識別效果。通過本文的研究可以看出，艦船輻射噪聲的人耳聽覺特征量可以用于分類識別，SAE網(wǎng)絡模型能夠對輸入數(shù)據(jù)進行深度特征提取并用于分類識別。本文的研究對于進一步探索深度學習技術在船舶輻射噪聲分類識別上的應用具有重要意義。