摘要：針對音頻檢測西瓜成熟度中擊打響應(yīng)信號更類似噪聲的特點，實現(xiàn)了信噪分離方法與小波消噪方法相結(jié)合消除環(huán)境噪聲和信號微小噪聲的方法。在消除嘈雜環(huán)境噪聲方面，提出使用快速獨立分量分析算法（Fast independent componment analisis，F(xiàn)astICA），利用不同兩路混有環(huán)境噪聲的混疊信號分離出噪聲和擊打信號，以獲得能夠用于西瓜成熟度檢測的擊打信號。在消除能量較小的噪聲方面，提出了適合西瓜擊打信號特點的小波消噪算法，能夠有效降噪并保留高頻信息。該方法經(jīng)驗證達到了較好的噪聲消除效果。

關(guān)鍵詞：音頻檢測；小波消噪；快速獨立分量分析算法；信噪分離；西瓜成熟度

中圖分類號：TP391.42 文獻標識碼：A 文章編號：0439-8114（2013）18-4510-05

西瓜成熟度的音頻檢測法檢測速度快，能夠無損檢測采摘前后的西瓜成熟度，可用于研制大型在線分選設(shè)備和小型便攜檢測設(shè)備，并且造價低廉、應(yīng)用范圍廣，從而成為了西瓜內(nèi)部品質(zhì)檢測方法的國內(nèi)外研究熱點。

由于西瓜在成熟過程中瓜瓤是由致密到疏松逐漸變化的，而西瓜在受迫振動時發(fā)出的聲音包含西瓜內(nèi)部組織結(jié)構(gòu)的信息，因此音頻檢測西瓜成熟度是一種較為有效的檢測方法。早在1968年，音頻檢測方法就被研究用于檢測多種水果蔬菜（包括西瓜）在采摘和存儲過程中的成熟度和硬度[1]。在最近的30年中，音頻檢測技術(shù)發(fā)展迅速，并成為西瓜篩選和分級的一種重要方法[2]。用于西瓜成熟度檢測的音頻特征一般有衰減系數(shù)、傳播速度、聲阻抗以及透射或反射聲波頻率等[3]。其中，Cooke[4]使用音頻頻率和西瓜重量計算成熟度指標。Clark[5]則提出使用聲波穿過西瓜的衰減時間衡量西瓜成熟度。何東健等[6]驗證了以上理論并提出音頻信號波形對稱度也與西瓜成熟度密切相關(guān)。高冠東等[7]、肖珂等[8]提出使用透射聲波的頻帶幅值向量特征檢測西瓜成熟度。Hayashi等[9]研究發(fā)現(xiàn)音頻信號在水果中的傳播速度與水果硬度的相關(guān)性為0.83。Stone等[10]開發(fā)出一套便攜的聲脈沖阻抗測量系統(tǒng)，并研究證明能夠檢測兩個品種西瓜的空心缺陷。但是，到目前為止，國內(nèi)國外對音頻檢測西瓜成熟度的研究多數(shù)是在較為安靜的實驗室環(huán)境下進行的，在線或便攜式檢測設(shè)備的研制也很少考慮較強環(huán)境噪聲的干擾及處理方法。而在實際的應(yīng)用環(huán)境下，不論是使用在線檢測設(shè)備分選大量西瓜還是消費者使用便攜設(shè)備挑選西瓜，都不可避免的會有環(huán)境噪聲和系統(tǒng)噪聲干擾，會對檢測結(jié)果的準確度產(chǎn)生較大的影響。

針對以上問題，本研究提出一套使用信噪分離和小波消噪相結(jié)合的噪聲消除方法，濾除信號中混入的各種噪聲。在信噪分離方法中，使用快速獨立分量分析算法從較強環(huán)境噪聲中分離出有用擊打信號。分離后，有用信號中仍存在較小的噪聲干擾，因此需要使用小波消噪算法消除干擾，并根據(jù)擊打信號的特點，通過試驗對比選擇適當(dāng)?shù)男〔V波算法，從而能夠獲得質(zhì)量較好的西瓜擊打音頻信號，用于進一步的處理和分析。

1 擊打信號特點及消噪算法

1.1 擊打信號特點

西瓜擊打信號是更類似于語音信號處理中的一種環(huán)境干擾噪聲，是以前消噪算法中需要濾除的信號，因此在處理擊打信號噪聲的時候，就需要根據(jù)其特點對消噪算法進行適當(dāng)?shù)恼{(diào)整和改進。

1.2 信噪分離方法

一般進行西瓜成熟度音頻檢測的研究中，采集的音頻信號是在較為安靜的實驗室環(huán)境下，因此不必過多地考慮噪聲的干擾問題。但是，在實際的應(yīng)用過程中，信號采集時混入環(huán)境噪聲是不可避免的，有時混入的噪聲干擾可能會非常強，以至于不能進行成熟度的檢測。

針對環(huán)境噪聲較為嘈雜的情況，本研究借鑒語音信號處理中的語音混疊分離技術(shù)，提出使用信噪分離方法分離出噪聲和有用信號。在語音信號處理領(lǐng)域，混疊分離技術(shù)是較新的一種技術(shù)，主要以盲信號分離和計算聲場景分析兩類方法為主。其中，盲信號分離是在源信號及其混合傳輸信道未知情況下，僅僅利用觀測到的混合信號來估計原信號，即除了原信號之間的相互獨立性外，并不知道任何有關(guān)原信號及混合傳輸信道的先驗知識，也不知道信號是如何混疊的。由于在嘈雜的環(huán)境下，噪聲源的類型、混疊方式和噪聲的特性都很難估計，因此盲信號分離方法正適合用于分離這種情況下的噪聲和擊打信號。本研究中使用了盲信號分離中的快速獨立分量分析算法（FastICA）分離信號和噪聲。它是一種基于負熵的快速定點ICA算法，其優(yōu)點是計算簡單、迭代穩(wěn)定、收斂速度快，不需要任何步長參數(shù)。

FastICA盲源分離過程是一個串行輸出各個獨立源信號的過程，要估計n個獨立分量，則需要運行n次基本FastICA算法，并且在進行每個獨立分量提取前，為了防止收斂相同，每次迭代后都要對輸出w1Ty，w2Ty，…，wnTy進行去相關(guān)，從而將分離矩陣正交歸一化，然后再進行相應(yīng)的提取，這樣最后得到的分離矩陣是正交矩陣。過程中每分離出一個獨立分量，就要從觀測信號中減去這一分量，如此反復(fù)，直至分離出所有的獨立分量。

FastICA分離中，合適的函數(shù)G可以使估計結(jié)果更好，由于語音信號具有超高斯分布的特點，且魯棒性要求較高，根據(jù)對G的分析，選擇：

這樣依次求出w1，…，wn，從而得到各個獨立語音源信號。

在使用FastICA方法分離擊打信號混入的噪聲時，可以使用不同方向和距離的兩個麥克風(fēng)采集信號，其中一個朝向有用信號源，而另一個背向有用信號源。這樣就能把音頻擊打信號作為一個聲源，把環(huán)境噪聲信號作為另一個聲源，使用兩路信號分離的FastICA算法。由于以前在西瓜成熟度音頻檢測領(lǐng)域還沒有類似研究，本試驗對使用這種方法分離有用信號和背景噪聲進行了試驗性的研究。

1.3 小波消噪方法

小波消噪方法能夠把信號分解到不同的頻率尺度上，根據(jù)信號和噪聲在不同尺度內(nèi)表現(xiàn)形式不同的特點，濾除分解系數(shù)絕對值較小的噪聲信號，從而達到消噪的目的。它在時頻域中對信號進行分析，且具有分辨率自動變焦功能，所以能夠有效區(qū)分信號的突變和噪聲，也能夠處理多種性質(zhì)的噪聲干擾，是一種適用于本研究音頻擊打信號特點的消噪處理方法。

本研究使用了較為常用的Daubechies（dbN）小波系進行小波變換和消噪處理。該小波除了一階小波db1（即Haar小波），其他階小波均為連續(xù)且緊支撐的小波，隨著小波級數(shù)的增加，小波變得越來越光滑，并且可以有預(yù)知的連續(xù)導(dǎo)數(shù)，其光滑性足以滿足特定應(yīng)用要求。在此小波系中，高于一階的小波沒有解析表達式，但有傳遞函數(shù)hk的平方模顯式表達式，設(shè)多項式：

本研究在使用濾波的小波分解層上進行了分析。由于高階小波分解層數(shù)，其系數(shù)表示的是信號的高頻信息，而擊打信號主要集中于低頻部分，但在高頻部分也有分布，噪聲則更多地集中于小波各層的高階系數(shù)中，因此要對適合的小波分解層和系數(shù)進行濾波，才能夠消除噪聲干擾同時不會損害信號高頻信息。所以，本試驗研究了對不同小波分解層進行濾波的效果，研究對分解的三層系數(shù)的第一、二層濾波和對三層全部濾波兩種方式，并且需要通過試驗檢驗，選擇效果較好的濾波方法。

1.4 試驗設(shè)計

西瓜擊打信號的獲取方式為：把西瓜放置于平整硬質(zhì)平面上，使用手掌拍擊西瓜赤道位置（瓜蒂和花蒂為兩極），連接計算機的拾音器置于距拍擊點3～5 cm距離采集音頻信號。試驗使用的為圓形瓜種，外形較圓，近似球體，紅瓤薄皮，重量在3～6 kg左右。音頻采集的硬件設(shè)備如下：筆記本電腦一臺，型號為IBM Tinkpad R61，主要配置為Intel Core2 Duo T7500 2.20GHz CPU，2GB內(nèi)存，集成聲卡；3.5 mm插孔小型麥克風(fēng)一個，主要部件為駐極體拾音器。在處理軟件方面，Matlab7.1軟件搭建了GUI界面系統(tǒng)，控制聲卡的音頻采樣頻率為11ksps。

為了消除能量與擊打信號相近的較大噪聲影響，本研究中提出了使用音頻盲分離方法中的FastICA算法，把擊打信號與噪聲信號分離開，然后再用分離后的擊打信號進行成熟度檢測。為了驗證信噪分離算法的可行性，本研究對其進行了試驗檢驗。其試驗過程為：先把擊打音頻信號與噪聲信號通過隨機產(chǎn)生的權(quán)重系數(shù)進行混疊，混疊出兩路混有噪聲的音頻信號，以這兩路信號作為FastICA中兩路輸入的混疊音頻信號，經(jīng)過FastICA算法分離混疊的信號，使用分離出的信號與原信號作比較。

信號經(jīng)信噪分離后，還會存在強度較小的噪聲干擾，需要進一步進行濾除。因此使用小波濾波消噪方法。小波消噪試驗中利用小波分解的多分辨率技術(shù)，針對信號中噪聲產(chǎn)生的波形毛刺和幅值在某點上的突變進行濾波，同時并不影響擊打信號的主要波形和特征。使用了Daubechies小波系中的3階小波（db3），把信號解析為3層結(jié)構(gòu)，并使用軟閾值方法進行濾波處理。為了達到濾除毛刺和突變而不損害信號本身高頻部分的目的，分別對兩種濾波方式進行了試驗：一種是只對小波分解后的第一、二層小波系數(shù)進行濾波，然后重構(gòu)原信號；另一種是對小波分解的3層系數(shù)都進行濾波處理后再重構(gòu)原信號。濾波后，對兩種方式的濾波后波形變化和效果進行比較和分析。

2 結(jié)果與分析

2.1 信噪分離試驗

為了檢驗信噪分離方法的可行性，驗證是否能夠使用FastICA算法分離出噪聲和擊打信號，本研究進行了試驗檢驗。其過程為：先把擊打音頻信號與噪聲信號通過隨機產(chǎn)生的權(quán)重系數(shù)進行混疊，混疊出兩路混有噪聲的音頻信號，以這兩路信號作為FastICA中兩路輸入的混疊音頻信號，經(jīng)過FastICA算法分離混疊的信號，使用分離出的信號與原信號作比較。

試驗中，使用了經(jīng)過擊打信號和噪聲信號隨機混疊的兩路音頻信號，然后對比分離后的信號與原信號的差異。選取了嘈雜的集市噪聲作為用于混疊的噪聲信號，其中混雜有人語、汽車鳴笛、摩托馬達聲等多種噪聲。對噪聲和擊打信號的混疊使用了2×2的隨機矩陣對兩信號組成的矩陣相乘，即混疊的兩音頻信號為加性信號疊加。兩種噪聲混疊信號及分離結(jié)果信號如圖1所示。

從圖1可以看出，擊打音頻信號和噪聲信號混合后，混合的信號已經(jīng)與原信號有很大的差異，一般的消噪方法很難把這種噪聲去除。使用FastICA算法對混疊信號進行分離后，分離出的信號與原信號在信號波形上基本沒有差異。為了比較分離效果，試驗中計算了分離后擊打信號與原擊打信號的差值，擊打信號分離前后的差值為2.870 1，占信號幅值和的2.30%；并且計算了圖1c、圖1d、圖1e信號的信噪比，分別為-6.071， -12.831和43.873，說明由于混疊了較高能量的噪聲圖1c、圖1d中的噪聲非常強，已經(jīng)不能用于西瓜成熟度檢測，而圖1e中較高的信噪比說明大部分噪聲已經(jīng)被分離出去，信號質(zhì)量較好。為了進一步驗證分離效果，使用20個拍擊信號樣本進行試驗，統(tǒng)計分離后擊打信號的信噪比。經(jīng)計算，信噪比平均值為48.288，其中最大值為72.567、最小值為33.215。由以上分析可見，混疊信號分離后與原信號的差別并不大，能夠還原出原信號波形。因此，此算法能夠用于西瓜成熟度音頻檢測中擊打信號與噪聲的分離，且能夠獲得較好的分離效果。

2.2 小波消噪試驗

本研究使用Daubechies小波系中的3階小波及軟閾值進行濾波消噪處理，并對使用小波分解后的第一、二層小波系數(shù)進行濾波與對3層系數(shù)都進行濾波處理的效果進行對比和分析，以達到既能濾除干擾噪聲又能較多保留信號高頻細節(jié)的目的。試驗結(jié)果如圖2所示。

從圖2中可以看出，經(jīng)兩種方式的濾波以后，原波形中的突變和毛刺都被濾去。尤其是從圖2d中，可以明顯地看出波形尖峰的毛刺被平滑掉了。通過把圖2b、圖2c與原信號圖2a進行比較可以發(fā)現(xiàn)：圖2b中的信號保留了信號的波形、幅值極大值、極小值位置和信號的高頻部分，較完整地保留了原信號的特征形態(tài)；但是從圖2c中可以明顯看出，原信號在信號開始部分變化比較劇烈的高頻波形被濾去了，尤其是在約0.01s信號波形的波谷部分較為明顯，濾波后信號的高頻分量損失較大，損害了原信號的波形形態(tài)。因此，經(jīng)試驗對比后，最終選用了對小波分解后的第一、二層小波系數(shù)進行自適應(yīng)濾波的小波濾波方式。它可以很好地去除信號中混入的噪聲，同時不會使原信號損失高頻信息，保持了信號的完整性，效果較為理想。

3 結(jié)論

本試驗研究了消除西瓜擊打信號混入噪聲的方法，提出了一套通過信噪分離方法分離出噪聲和擊打信號，并且使用小波消噪方法進一步濾除音頻信號微小噪聲干擾的噪聲消除方法。在信噪分離方法的研究中，使用較強的嘈雜環(huán)境噪聲與20個拍擊信號樣本進行混疊，并使用FastICA算法進行分離試驗。經(jīng)試驗證明此方法能夠分離出拍擊信號和噪聲信號，并且把信噪比極低的混疊信號恢復(fù)為信噪比較高的拍擊信號，分離后信號的信噪比均值為42.288。小波消噪算法試驗，對比了小波解析后對3層小波系數(shù)濾波與對第一、二層系數(shù)濾波的效果，試驗結(jié)果證明對第一、二層小波系數(shù)能夠濾除信號中的微小噪聲并保留較多的信號高頻信息，濾波效果更理想。綜上所述，經(jīng)試驗證明本研究提出的消噪方法能夠有效地分離出拍擊信號，并進一步濾除信號中的微小噪聲，同時保持信號不失真，具有較好的消噪效果。

參考文獻：

[1] ABBOTT J A， BACHMANN G S， CHILDERS N F， et al. Sonic techniques for measuring texture of fruits and vegetables[J]. Food Technology，1968，22（5）：635-646.

[2] MIZRACHA，GALILI N，GAN-MOR S， et al. Models of ultrasonic parameters to assess avocado properties and shelf life[J]. Journal of Agricultural Engineering Research，1996，65（4）：261-267.

[3] SUN T， HUANG K， XU H R， et al Research advances in nondestructive determination of internal quality in watermelon/melon： A review[J]. Journal of Food Engineering，2010，100（4）： 569-577.

[4] COOKE J R. An interpretation of the resonance behaviour of intact fruit and vegetables[J]. Transactions of the American Society of Agricultural Engineering，1972，15（2）：1075-1079.

[5] CLARK R L. An investigation of the acoustical properties of watermelon as related to maturity[J]. Transactions American Society of Agricutural Engineering，1975，18（4）：6004.

[6] 何東健，李增武，王洪群. 西瓜打擊音波特性的研究[J]. 西北農(nóng)業(yè)大學(xué)學(xué)報，1994，22（3）：105-107.

[7] 高冠東，滕桂法，肖 珂，等.基于BMV特征的西瓜成熟度無損檢測方法[J]. 農(nóng)業(yè)工程學(xué)報， 2010，26（8）：326-330.

[8] 肖 珂，高冠東，滕桂法，等. 西瓜成熟度音頻無損檢測技術(shù)[J].農(nóng)機化研究，2009，31（8）：150-155.

[9] HAYASHI S， SUGIYAMA J，OTOBE K， et al. Nondestructive measurement for maturity of muskmelons by analysis of acoustic-signals[J]. Journal of the Japanese Society for Food Science and Technology，1992，39（6）：465-470.

[10] STONE M L， ARMSTRONG P R， ZHANG X， et al. Watermelon maturity determination in the field using acoustic impulse impedance techniques[J]. Transactions of the American Society of Agricultural Engineering，1996，39（6）：2325-2330.

[11] Hyvarinen A. Fast and robust fixed-point algorithms of independent component analysis [J]. IEEE Trans. on Neural Networks，1999，10（3）：626-634.