蔣翠清，李天翼

（合肥工業(yè)大學 管理學院，合肥 230009）

基于小波MFCC與HMM的列車鳴笛識別算法研究

蔣翠清，李天翼

（合肥工業(yè)大學 管理學院，合肥 230009）

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

列車鳴笛識別；梅爾倒譜系數(shù)；小波變換；隱馬爾可夫模型

1　引　言

列車鳴笛識別的基本原理是從實時采集的列車聲數(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，得出識別結果。利用這種技術可實現(xiàn)列車鳴笛自動檢測，以促進列車乘務員加強對列車信號及前方進路的瞭望確認，對列車乘務員是否瞭望確認進行監(jiān)督。

語音信號識別常用的特征參數(shù)有線性預測系數(shù)、線性預測倒譜系數(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，在語音識別領域得到了廣泛應用。文獻提取了聲音信號的MFCC參數(shù)進行聲音識別，取得了一定的效果，但列車聲信號是不平穩(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)信號的變化，并且其特性與人耳耳蝸的生理頻率響應特性相似。用小波變換來改進MFCC特征提取，能精確地反映列車聲信號的動態(tài)特性，因而采用改進后的MFCC作為列車聲信號的特征參數(shù)更好。

隱馬爾科夫模型（Hidden Markov Model，HMM）是一個時間序列模型，一個無記憶的非平穩(wěn)隨機過程，表征時變信號的能力很好，可以處理聲音信號中所包含的時序信息和統(tǒng)計信息，已經(jīng)被廣泛應用于語音建模。

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

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當中獲得能夠描述音頻信號特征的過程。

2.1MFCC參數(shù)的提取

MFCC參數(shù)在語音信號識別領域運用極為廣泛，它結合了語音的產(chǎn)生機制和人耳的聽覺感知特性，能夠很好地反映語音信號的特性，從而提高算法的識別率。如圖 1 所示，在正常提取MFCC參數(shù)的過程中對信號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)假設聲音信號是短時平穩(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會使聲音的頻譜細節(jié)特征模糊，丟失一定的信息。并且MFCC無法反映非平穩(wěn)列車聲信號的瞬間變化，因此，傳統(tǒng)的MFCC系數(shù)在列車鳴笛識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，列車行進聲信號在時頻域都可獲得了較為合適的分辨能力。實驗中采用離散的二進制小波，其表示式為：

式中，f（t）為能量有限信號；φm，n（t）為二進制小波，表示式為：

用離散小波傅里葉變換改進傳統(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用的一種統(tǒng)計模型。HMM是一個雙內(nèi)嵌式隨機過程，其中，一個隨機過程描述狀態(tài)的轉移，另一個隨機過程描述觀察值和狀態(tài)之間的統(tǒng)計對應關系。

HMM可以用一個五元數(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)轉移概率矩陣，N表示觀察概率矩陣。由于在算法識別過程中狀態(tài)數(shù)目和觀察值數(shù)目不變，HMM也可簡寫為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的訓練使用Baum-Welch算法，HMM的識別使用Viterbi算法。

Baum-Welch算法可描述為：給定1個觀察值序列O = O1，O2，…，OT和一個HMM初始參數(shù)λ=（a，M，N），使觀察序列O相對于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)進行迭代運算直到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個觀察值序列O = O1，O2，…，OT和一個初始參數(shù)λ=（a，M，N），如何確定未知序列K=K1，K2，…，KT的P（K，O|λ）最大時的最佳狀態(tài)序列K*=K1*，K2*，…，KT*。對于要識別的聲音信號，可算出聲音特征通過每個HMM模型的概率P（K，O|λi），其中輸出概率最大的模型作為識別結果。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模型對列車鳴笛的識別

基于小波MFCC和HMM的列車鳴笛識別算法如圖4所示。首先，對列車聲信號樣本進行預處理，提取MFCC和WMFCC，然后一部分樣本特征作為訓練集，將兩個參數(shù)分別通過HMM模型進行訓練，以得到最優(yōu)的HMM參數(shù)并存儲；另一部分樣本特征作為測試集，通過訓練好的模型識別系統(tǒng)計算，從而判斷其類型。

圖4　基于小波MFCC和HMM模型的列車鳴笛識別算法

5　實驗及分析

本文實驗樣本均為鐵路路口現(xiàn)場錄制，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、風聲、剎車聲等。其中，鳴笛類聲音有120個樣本，非鳴笛類聲音樣本有200個。

本文分別提取3種參數(shù)（LPCC，MFCC，WMFCC）進行對比實驗。LPCC參數(shù)采用文獻的提取方法。MFCC和WMFCC參數(shù)的提取的過程中設置如下：信號的分幀長度取為25ms，幀移為8 ms。MFCC參數(shù)提取時數(shù)字濾波器組選24個，DCT系數(shù)為12*24維，對處理過的聲音信號進行反離散余弦變換后得12個MFCC系數(shù)，再計算其一階差分12個共24維；其中WMFCC對信號進行6層小波分解，分解后可得7層小波系數(shù)。

將實驗樣本分為訓練樣本和測試樣本：訓練樣本為樣本總數(shù)的80%，測試樣本為剩余的20%的樣本。每組實驗做10次，列出每類聲音的平均識別率，最后對不同特征組合下聲音的識別率及效率進行比較。

表1　不同特征參數(shù)識別結果

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

6　結　論

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

如果對算法進行優(yōu)化，將其移植到C等底層語言中并與硬件結合，不僅能夠較大幅度地提高算法運行效率，同時還能實現(xiàn)列車鳴笛的實時識別，從而更好地監(jiān)督列車乘務員是否瞭望確認，促進火車的安全運行。

主要參考文獻

［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)字耳蝸濾波器組設計與實現(xiàn)［J］.電子技術應用，2009（1）：135-138.

［3］劉輝，楊俊安，許學忠.基于 MFCC 參數(shù)和 HMM 的低空目標聲識別方法研究［J］.彈箭與制導學報，2008，27（5）：217-219.

［4］韓紀慶，張磊，鄭鐵然.語音信號處理［M］.北京：清華大學出版社，2004.

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

［6］陳韜偉，辛明.基于小波變換的雷達輻射源信號特征提?。跩］.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)的抗噪語音識別［J］.中國電子科學研究院學報，2008，3（2）：187-189.

［8］ 何強，何英.MATLAB 擴展編程［M］.北京：清華大學出版社，2002：352-371.

［9］ 王鐘斐，王彪.基于短時能量—LPCC 的語音特征提取方法研究［J］.計算機與數(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