基于DWT和MFCC的振動信號特征參數(shù)提取方法?

莫家慶，王 宏，許 亮，俞 瀟，呂小毅

(1.新疆大學(xué)信息科學(xué)與工程學(xué)院，新疆烏魯木齊830046；2.新疆軍區(qū)指揮自動化工作站，新疆烏魯木齊830001)

0 引言

振動傳感器為核心的光纖/電纜安全防范系統(tǒng)能夠提供高精度、全天候的安全防護(hù)，可廣泛應(yīng)用于各類工礦企業(yè)、石油石化、變電站、機(jī)場、監(jiān)獄、軍事設(shè)施、國境線、農(nóng)場、養(yǎng)殖場、倉庫、住宅小區(qū)、停車場、別墅等重要場所.但在振動信號的特征參數(shù)提取上，目前仍面臨提取的參數(shù)識別正確率不高等問題.

人耳能從嘈雜的背景噪聲中聽到語音信號，是因人的內(nèi)耳基底膜可以依據(jù)外來聲波振動信號進(jìn)行自我調(diào)節(jié)，它就像一組濾波器一樣，對不同頻率的聲波振動信號產(chǎn)生相應(yīng)不同的振動，從而接收到外來聲波并傳送至大腦產(chǎn)生聽覺.與語音信號類似，光纖/電纜振動傳感系統(tǒng)采集到的振動信號也伴隨著風(fēng)、雨、人類活動等噪聲，要想從背景噪聲中提取出目標(biāo)振動信號，也要有像內(nèi)耳基底膜一樣的一組濾波器來對不同頻段的振動信號產(chǎn)生相應(yīng)的反應(yīng).光纖/電纜振動傳感系統(tǒng)采集到的振動信號與語音信號的頻率范圍基本相同，均為數(shù)十到數(shù)千赫茲，因此該振動信號的分析與識別方法，與語音信號的分析和識別方法是類似的[1?5].

在語音信號特征參數(shù)提取中常用梅爾頻率倒譜系數(shù)方法，該方法缺點(diǎn)是特征參數(shù)提取基于短時(shí)平穩(wěn)的假設(shè)條件[6,7].而在光纖振動傳感系統(tǒng)中，采集到的振動信號是非平穩(wěn)信號，其頻譜特性是隨時(shí)間而改變的[8,9].使用梅爾頻率倒譜系數(shù)對非平穩(wěn)的振動信號進(jìn)行分析時(shí)，分析結(jié)果的精確性會受到制約.此外，梅爾頻率倒譜系數(shù)等傳統(tǒng)方法都會遇到如何實(shí)現(xiàn)提取特征的參數(shù)化的問題.基于以上問題，本文結(jié)合離散小波變換與梅爾頻率倒譜系數(shù)提出一種特征參數(shù)提取方法.實(shí)驗(yàn)和分析表明，用該方法提取的振動信號特征參數(shù)進(jìn)行識別時(shí)準(zhǔn)確性得到了提高.

1 美爾頻率離散小波變換系數(shù)

在語音信號分析方法中，梅爾頻率倒譜系數(shù)（MFCC）是一種相對廣泛使用的特征參數(shù)，提取時(shí)，首先對每一幀信號計(jì)算N點(diǎn)離散傅里葉變換，然后取模的平方得到離散功率譜S(n)，

計(jì)算S(n)通過M個(gè)帶通濾波器后的功率Pm，m=0,···,M?1；

計(jì)算Pm的自然對數(shù)Lm，m=0,···,M?1；

計(jì)算L0,···,LM?1的離散余弦變換，獲得倒譜ck，k=0,···,M?1；

其中

舍去ck中代表直流的c0，取c1,···ck為梅爾頻率倒譜系數(shù).

梅爾頻率倒譜系數(shù)的缺點(diǎn)是該特征參數(shù)基于短時(shí)平穩(wěn)的假設(shè)條件，利用短時(shí)傅里葉變換在一個(gè)確定的時(shí)頻分辨率上考察信號，不能隨信號的變化動態(tài)調(diào)整時(shí)頻分辨率，它僅對信號的靜態(tài)特征進(jìn)行描述，忽略了動態(tài)特征，這是一個(gè)天然缺陷.在對每幀信號進(jìn)行短時(shí)傅里葉分析時(shí)，幀長的大小決定了系統(tǒng)的時(shí)間分辨率.幀長較小時(shí)，時(shí)間分辨率高，但會受到窗函數(shù)的不利影響從而降低頻率分辨率，容易對突變信號過度敏感；幀長較大時(shí)，雖然可以克服上述缺點(diǎn)，但又與短時(shí)平穩(wěn)的假設(shè)條件相悖，使得分析結(jié)果出現(xiàn)失真.光纖/電纜振動傳感系統(tǒng)采集到的振動信號是非平穩(wěn)信號，其頻譜特性隨時(shí)間而改變.因此，使用梅爾頻率倒譜系數(shù)對上述非平穩(wěn)的振動信號進(jìn)行分析時(shí)，結(jié)果的精確性會受到制約.

2 基于離散小波變換的特征參數(shù)

為了解決短時(shí)傅里葉分析方法在處理非平穩(wěn)信號時(shí)的缺陷，引入小波變換的分析方法[10].近年來，小波變換已經(jīng)在梅爾頻率倒譜系數(shù)等相對成熟的語音信息處理技術(shù)中得以部分應(yīng)用，然而，這些已有方法不論在理論上還是實(shí)際中都有提升和改進(jìn)的空間.與短時(shí)傅里葉分析的固定窗寬不同，小波變換的實(shí)質(zhì)是一種可調(diào)的加窗分析.我們應(yīng)用小波分析時(shí)，需要實(shí)現(xiàn)對低頻信號加寬時(shí)窗，例如在刮風(fēng)天，布設(shè)在野外的掛網(wǎng)振動光纖/電纜隨著鐵網(wǎng)發(fā)生緩慢擺動，就會傳回體現(xiàn)鐵網(wǎng)擺動頻率的某些相對低頻率的噪聲，如果人為觸動鐵網(wǎng)，也會產(chǎn)生一定頻率的晃動信號；而對高頻信號，我們需要加窄時(shí)窗，例如風(fēng)吹或人為入侵時(shí)，鐵網(wǎng)的自身摩擦?xí)a(chǎn)生高頻信號.

除上述問題外，傳統(tǒng)的梅爾頻率倒譜系數(shù)等語音信息處理技術(shù)遇到的另一個(gè)重要問題是如何實(shí)現(xiàn)小波系數(shù)的參數(shù)化.提取梅爾頻率倒譜系數(shù)時(shí)，對語音信號先做快速傅里葉變換，然后再進(jìn)行頻率分析，最后使用一組三角濾波器進(jìn)行濾波.在這個(gè)問題上，本方法采用離散小波變換來取代快速傅里葉變換，取代后，使用相同的mel濾波器組進(jìn)行后期的濾波.這樣將引出與以往快速傅里葉變換不同的參數(shù).在獲得mel對數(shù)功率譜之后，本方法再次使用離散小波變換取代快速傅里葉變換，以實(shí)現(xiàn)濾波器組能量分離.

圖1是本方法特征參數(shù)提取方法流程圖，包括以下步驟：

對采集的振動信號進(jìn)行預(yù)處理；

對預(yù)處理后的信號進(jìn)行離散小波變換，得到小波系數(shù)；

對小波系數(shù)進(jìn)行快速傅里葉變換，求出其頻譜，得到各層小波系數(shù)的樣點(diǎn)數(shù)；

按照頻率的高低順序，將各層小波系數(shù)合成完整頻譜；

計(jì)算系數(shù)能量，求出mel對數(shù)功率譜；

對mel對數(shù)功率譜進(jìn)行離散小波變換；

提取mel離散小波變換譜振幅，作為振動信號特征參數(shù).

上述方法中，步驟（1）對振動信號進(jìn)行預(yù)處理，包括以下步驟：

對采集的信號進(jìn)行預(yù)加重，提升高頻部分；

預(yù)加重后，對信號進(jìn)行分鄭 采用交疊分段的方法，使每一幀的幀尾與下一幀的幀頭重疊；

對待處理信號加漢明窗，減小截?cái)嘈?yīng)，保證信號幀兩端平滑過渡.

上述方法中，步驟（5）求系數(shù)能量及濾波后求對數(shù)功率譜的方法，包括以下步驟：

對合成后的頻譜取平方，求振動信號功率譜；

用M個(gè)mel帶通濾波器對功率譜進(jìn)行濾波；

對每個(gè)濾波器的輸出取對數(shù)，求得對應(yīng)頻帶的對數(shù)功率譜.

圖1 特征參數(shù)提取方法流程圖

3 識別方法選取

不失一般性，識別方法選取已經(jīng)比較成熟的矢量量化方法，碼本設(shè)計(jì)采用LBG算法.

矢量量化是將若干個(gè)采樣信號分成一組，即構(gòu)成一個(gè)矢量，然后對此矢量進(jìn)行一次量化.它是將K維無限空間劃分為R個(gè)區(qū)域邊界，每個(gè)區(qū)域稱為一個(gè)胞腔，然后將輸入信號的矢量與這些胞腔的邊界進(jìn)行比較，并被量化為距離最小的胞腔的中心矢量值.

LBG算法是一種迭代算法，從一個(gè)最初選定的初始碼本開始迭代.把訓(xùn)練序列進(jìn)行分組，找到每組的初始碼書，計(jì)算初始碼本與訓(xùn)練序列的失真度，根據(jù)最小失真度來確定新的碼本，產(chǎn)生的新碼本作為第二次迭代的初始碼本.重復(fù)上述過程，直到系統(tǒng)滿足性能要求或不再有明顯改進(jìn)時(shí)結(jié)束迭代.

4 實(shí)驗(yàn)

4.1 實(shí)驗(yàn)數(shù)據(jù)

測試人員共有9名，其中6名男性3名女性.為了保證測試的獨(dú)立性，這9名測試人員被逐一帶入測試環(huán)境，獨(dú)立對鐵網(wǎng)進(jìn)行自由方式的徒手攀爬、擠壓、拍打、往復(fù)晃動共4種模式的入侵或破壞動作.實(shí)驗(yàn)記錄每人每種模式對鐵網(wǎng)的10次行為，這樣，每種模式的入侵或破壞動作就有9×10=90次，4種模式共有10×4×9=360次（總樣本數(shù)）.

4.2 實(shí)驗(yàn)結(jié)果

在每人對鐵網(wǎng)的每種模式的10次行為中，隨機(jī)取出3次作為訓(xùn)練樣本，其余7次作為識別樣本.在上述相同條件下，首先采用線性預(yù)測倒譜系數(shù)（LPCC）和梅爾頻率倒譜系數(shù)這兩種具有代表性的傳統(tǒng)特征參數(shù)，圖2是本方法在掛網(wǎng)光纖振動傳感系統(tǒng)上的現(xiàn)場測試實(shí)驗(yàn)圖.在使用線性預(yù)測倒譜系數(shù)進(jìn)行識別時(shí)，攀爬、擠壓、拍打、往復(fù)晃動這4種模式對應(yīng)的識別正確率分別為89.37%、91.23%、94.75%、93.06%，使用梅爾頻率倒譜系數(shù)對應(yīng)結(jié)果分別為89.62%、91.71%、95.02%、93.27%.而采用本方法提出的特征參數(shù)識別時(shí)，正確率分別為94.31%、95.59%、99.15%、97.87%，比傳統(tǒng)參數(shù)平均提高了4.60%.

圖2 LPCC、MFCC和本方法特征參數(shù)識別正確率比較

5 結(jié)論

以振動傳感器為核心的光纖/電纜安全防范系統(tǒng)，可廣泛應(yīng)用于重要場所的安全防衛(wèi)，但在振動信號的特征參數(shù)提取上，目前仍面臨提取的參數(shù)識別正確率不高等問題.為了提高特征參數(shù)提取的準(zhǔn)確性，本文結(jié)合離散小波變換與梅爾頻率倒譜系數(shù)提出一種特征參數(shù)提取方法.與兩種具有代表性特征參數(shù)對比實(shí)驗(yàn)表明，本文方法可有效提高光纖振動信號特征參數(shù)提取的準(zhǔn)確性.