納杰斯 王心怡

(昆明船舶設(shè)備研究試驗(yàn)中心 昆明 650051)

?

迭代維納濾波在水聲信號(hào)分離中的應(yīng)用*

納杰斯 王心怡

(昆明船舶設(shè)備研究試驗(yàn)中心 昆明 650051)

論文對(duì)迭代維納濾波在水聲信號(hào)分離中的應(yīng)用進(jìn)行了研究，并根據(jù)特定目標(biāo)聲源信號(hào)的聽(tīng)覺(jué)特征先驗(yàn)知識(shí)，采用水聲信號(hào)的聽(tīng)覺(jué)特征參數(shù)匹配度作為迭代收斂判據(jù)。迭代濾波能夠逐漸消除干擾聲源信號(hào)，模擬人類聽(tīng)覺(jué)系統(tǒng)的注意力機(jī)制，使濾波結(jié)果的聽(tīng)覺(jué)特征最大程度地與目標(biāo)聲源匹配。仿真試驗(yàn)結(jié)果表明，這種迭代維納濾波方法在有干擾聲源存在的情況下可以有效實(shí)現(xiàn)水聲信號(hào)分離。

迭代維納濾波; 信號(hào)分離; 聽(tīng)覺(jué)特征

Class Number TN911.7

1 引言

在多個(gè)水下聲源同時(shí)存在的情況下，要對(duì)其中感興趣的信號(hào)進(jìn)行方向、具體參數(shù)等估計(jì)，需要設(shè)法消除其他聲源的影響，因此信號(hào)的提取、分離或增強(qiáng)是水聲信號(hào)處理中的重要問(wèn)題[1]。在多個(gè)聲源的情況下，對(duì)目標(biāo)信號(hào)的干擾主要來(lái)自其他聲源的信號(hào)，干擾信號(hào)是有色的，與目標(biāo)信號(hào)可能具有相似的譜分布和相當(dāng)?shù)穆曉醇?jí)，與目標(biāo)信號(hào)也不是相互獨(dú)立的，因此干擾聲源信號(hào)的抑制具有較大的困難[2]。

人類的聽(tīng)覺(jué)系統(tǒng)在處理這種問(wèn)題時(shí)，能夠迅速提取出感興趣的目標(biāo)信號(hào)的特征，并將注意力集中在目標(biāo)信號(hào)上[3]，在水聲信號(hào)分離方法中模擬聽(tīng)覺(jué)系統(tǒng)的注意力機(jī)制，可以有效提高信號(hào)分離處理能力[4]。本文采用迭代維納濾波進(jìn)行水聲信號(hào)分離，并引入信號(hào)的聽(tīng)覺(jué)特征參數(shù)匹配度作為迭代收斂判據(jù)，在特定目標(biāo)聲源信號(hào)的聽(tīng)覺(jué)特征事先獲得的前提下，能夠有效控制迭代過(guò)程，使迭代濾波結(jié)果與目標(biāo)聲源的聽(tīng)覺(jué)特征匹配度達(dá)到最優(yōu)。

2 迭代維納濾波器

Lim，Oppenheim，Hansen等人所使用的迭代維納濾波是一種基于全極點(diǎn)參數(shù)估計(jì)增強(qiáng)方法，這種濾波方法主要對(duì)在加性高斯噪聲背景中的目標(biāo)聲源作最大后驗(yàn)概率(MAP)估計(jì)。本文討論只存在一個(gè)干擾聲源的情況，濾波器的頻率響應(yīng)為

(1)

其中Ps1(ω)和Ps2(ω)分別為目標(biāo)信號(hào)和干擾信號(hào)的功率譜密度函數(shù)，Ps2(ω)可以在不含目標(biāo)的信號(hào)時(shí)段獲得，而Ps1(ω)卻無(wú)法獲得，因此在迭代中，把含有干擾的主通道目標(biāo)信號(hào)y1(t)作為第一次迭代的目標(biāo)信號(hào)，進(jìn)行維納濾波，每一次濾波結(jié)果作為下一次迭代的目標(biāo)信號(hào)，如圖1所示。

圖1 雙水聽(tīng)器陣接收模型

在維納濾波中引入時(shí)變步長(zhǎng)因子αi，得到濾波器

(2)

(3)

(4)

步長(zhǎng)因子的初值α0與兩個(gè)通道接收信號(hào)的信噪比有關(guān)，通?？梢匀?/p>

其中PSIR1和PSIR2分別為兩個(gè)水聽(tīng)器接收信號(hào)的信噪比，可以由只有目標(biāo)信號(hào)存在和只有干擾信號(hào)存在時(shí)的接收信號(hào)進(jìn)行估算。

隨著迭代進(jìn)行，主通道中的干擾信號(hào)成分逐漸減少，要引入有效的收斂判據(jù)，對(duì)濾波結(jié)果進(jìn)行判斷比較，使最終的濾波結(jié)果最接近原始的目標(biāo)信號(hào)。

3 水聲信號(hào)分離的迭代收斂判據(jù)

尋找具有良好性能的水聲信號(hào)聽(tīng)覺(jué)特征是保證迭代收斂正確的重要環(huán)節(jié)[5]。特征參數(shù)的選擇應(yīng)該具有以下特點(diǎn)：具有很高的區(qū)分能力，能夠充分體現(xiàn)不同的聲源之間的差異，而對(duì)同一個(gè)聲源的信號(hào)在狀態(tài)變化時(shí)保持相對(duì)穩(wěn)定；特征參數(shù)在受到環(huán)境噪聲和信道變化時(shí)能夠保持穩(wěn)健；易于計(jì)算和提取，維數(shù)盡量少；不易被模仿等[6]。對(duì)于水聲信號(hào)，可以使用的特征包括線譜、線性預(yù)測(cè)系數(shù)(LPC)、Mel頻率倒譜系數(shù)(MFCC)等。根據(jù)研究，使用MFCC作為特征參數(shù)，在不同環(huán)境下可以保持較好的穩(wěn)定性，對(duì)于不同聲源的信號(hào)具有較好的區(qū)分能力[7]，因此本文采用MFCC作為水聲信號(hào)聽(tīng)覺(jué)特征。MFCC參數(shù)的計(jì)算過(guò)程就是將信號(hào)通過(guò)臨界頻帶濾波器組，然后轉(zhuǎn)換到倒譜域，其流程如圖2所示。

圖2 MFCC參數(shù)提取過(guò)程

對(duì)信號(hào)進(jìn)行分幀，每一幀信號(hào)經(jīng)過(guò)迭代濾波后，計(jì)算濾波結(jié)果的MFCC參數(shù)向量，為了衡量濾波結(jié)果與目標(biāo)聲源信號(hào)特征的匹配程度，需要使用信號(hào)特征的參數(shù)距離，對(duì)于MFCC參數(shù)，可以使用歐氏距離來(lái)衡量，即

(5)

X和Y為特征參數(shù)向量。

在信號(hào)分離過(guò)程中，對(duì)每一步迭代濾波的結(jié)果，生成相應(yīng)的MFCC特征參數(shù)，與對(duì)應(yīng)目標(biāo)聲源的特征參數(shù)進(jìn)行比較，計(jì)算參數(shù)距離，當(dāng)某一次迭代結(jié)果的匹配度達(dá)到最小值時(shí)，就認(rèn)為該濾波結(jié)果是最優(yōu)的[8]，這一過(guò)程與人的聽(tīng)覺(jué)系統(tǒng)將注意力集中于某一特定目標(biāo)聲源的過(guò)程相似。

4 濾波器參數(shù)更新

由于水聲環(huán)境的變化、目標(biāo)聲源和干擾聲源的位置移動(dòng)，會(huì)使迭代維納濾波器中的參數(shù)H11(ω)、H12(ω)和α0發(fā)生緩慢變化，需要采取更新措施。本文使用的更新方式為：根據(jù)每段信號(hào)的迭代濾波結(jié)果，估計(jì)出H11(ω)/H12(ω)、PSIR1和PSIR2等參數(shù)，構(gòu)成下一段信號(hào)的濾波器參數(shù)。

(6)

(7)

(8)

圖3 自適應(yīng)濾波器

使用這些參數(shù)估計(jì)值進(jìn)行下一段信號(hào)的迭代。

5 仿真試驗(yàn)結(jié)果

對(duì)基于信號(hào)聽(tīng)覺(jué)特征收斂判據(jù)的迭代維納濾波分離水聲信號(hào)的效果進(jìn)行了仿真，目標(biāo)信號(hào)和干擾信號(hào)的波形如圖4(a)和圖4(b)所示，兩個(gè)通道接收的混合信號(hào)波形如圖5(a)和圖5(b)所示。

圖4 目標(biāo)及干擾聲源信號(hào)波形

分離出的目標(biāo)聲源波形如圖6所示，原始目標(biāo)聲源及分離出的目標(biāo)聲源的MFCC向量如圖7所示，可以看出，分離的目標(biāo)信號(hào)在聽(tīng)覺(jué)特性上與原始聲源信號(hào)已足夠接近，可以認(rèn)為成功分離[9]。

圖5 兩個(gè)通道接收的混合信號(hào)波形

圖6 分離出的目標(biāo)聲源信號(hào)

圖7 原始目標(biāo)聲源及分離出的目標(biāo)聲源的MFCC向量

6 結(jié)語(yǔ)

當(dāng)存在干擾聲源信號(hào)時(shí)，采用迭代維納濾波方法能夠分離出需要的目標(biāo)信號(hào)，使用目標(biāo)信號(hào)的聽(tīng)覺(jué)特征參數(shù)MFCC作為迭代收斂判據(jù)，可以有效控制迭代過(guò)程，使迭代濾波結(jié)果與目標(biāo)信號(hào)的聽(tīng)覺(jué)特征匹配度最大，通過(guò)分段更新濾波器參數(shù)，使迭代濾波適應(yīng)環(huán)境和聲源位置的變化[10]。仿真結(jié)果表明，在水聲信號(hào)分離中，基于迭代維納濾波的分離方法能夠獲得滿意的效果，具有較好的應(yīng)用價(jià)值。

[1] LIM F S, OPPENHEIM A V. All-pole modeling of degraded speech [J]. IEEE Trans on ASSP,1978,26(3):197-210.

[2] CAO Y, SRIDHA Sridharan, MILES Moody. Co-talker separation using the “cocktail party effect” [J]. Audio Eng. Soc,1996,44(12):1084-1096.

[3] 柳革命,孫超,劉兵.基于線性預(yù)測(cè)倒譜的被動(dòng)聲納目標(biāo)特征提取技術(shù)[J].應(yīng)用聲學(xué),2007,26(5):277-281.

[4] 劉鵬,劉孟庵.艦船輻射噪聲節(jié)拍音色特征研究[J].聲學(xué)與電子工程,2007(2):4-7.

[5] 謝俊,胡均川.艦船噪聲聽(tīng)覺(jué)節(jié)奏特征[J].應(yīng)用聲學(xué),2008,27(6):44-48.

[6] 王景芳.含噪語(yǔ)音實(shí)時(shí)迭代維納濾波[J].計(jì)算機(jī)工程與應(yīng)用,2011(19):23-27.

[7] 張小波.基于維納濾波的圖像去噪算法研究[D].西安:西安電子科技大學(xué),2014.

[8] 盧晶，沈春華，余凱.基于聽(tīng)覺(jué)特性的迭代維納濾波在語(yǔ)音分離中的應(yīng)用[J].應(yīng)用聲學(xué),2001,20(5): 1-5.

[9] 王娜.基于人耳主觀反應(yīng)的聽(tīng)覺(jué)特征量及其在目標(biāo)識(shí)別中的應(yīng)用[D].西安:西北工業(yè)大學(xué),2006.

[10] 任婕.含噪盲信號(hào)提取和分離技術(shù)研究[D].成都:電子科技大學(xué),2012.

Application of Iterative Wiener Filtering for Sonar Signal Separation

NA Jiesi WANG Xinyi

(Kunming Shipbuilding Equipment Research and Test Center, Kunming 650051)

Iterative wiener filtering for sonar signal separation is researched in this paper. Based on the prior knowledge of the target acoustic signal’s auditory feature, the iterate is controlled by the matching degree of sonar signal auditory feature parameters. Iterative filtering attenuates interference signal continually to simulate the attention of human auditory system, and makes the matching degree between filtering output and target source signal maxim. Simulation result shows that the iterative filtering can separate sonar signal efficiently in the interference source signal environment.

iterative wiener filtering, signal separation, auditory feature

2016年5月5日,

2016年6月17日

納杰斯，男，碩士，工程師，研究方向：水聲信號(hào)處理。王心怡，男，碩士，高級(jí)工程師，研究方向：水聲信號(hào)處理。

TN911.7

10.3969/j.issn.1672-9730.2016.11.035