吳 亮，楊會金

(1. 海軍駐大連地區(qū)軍事代表室，遼寧 大連 116021；2. 大連測控技術(shù)研究所，遼寧 大連 116021)

聽覺譜特征在水下目標回聲識別中的應(yīng)用

吳 亮1，楊會金2

(1. 海軍駐大連地區(qū)軍事代表室，遼寧 大連 116021；2. 大連測控技術(shù)研究所，遼寧 大連 116021)

水下目標回聲特征提取是主動目標識別的關(guān)鍵內(nèi)容。本文提出將語音識別領(lǐng)域中較為成熟的 RASTAPLP 聽覺模型應(yīng)用于水中目標回波的特征提取，并根據(jù)信號的特點對 RASTA-PLP 模型進行修正。對比應(yīng)用 PLP 方法進行的水中目標單頻回波識別實驗，結(jié)果表明：當加入卷積噪聲后，修正的 RASTA-PLP 特征表現(xiàn)出更加良好的魯棒性能，在同等測試條件下識別率比 PLP 聽覺模型特征高約 3%，顯示了本方法在實現(xiàn)目標回聲自動識別上的重要應(yīng)用前景。

回波信號；識別；修正的 RASTA-PLP 聽覺模型；魯棒性

0 引 言

使用合適的方法、提取精確表達水下目標的特征來進行目標分類，是水聲領(lǐng)域的一個難題。人們曾經(jīng)通過傳統(tǒng)的信號處理方法以及時頻、非高斯、非線性分析方法提取過水下聲信號的許多有用特征，但這些特征也只是反映了目標信號特征的某個側(cè)面，如時頻分析反映的是隨時間變化頻率的變化情況，非高斯方法是基于對噪聲非高斯假設(shè)的限定等[1]。

依靠人耳及其靈敏的聽覺系統(tǒng)和長期在實踐中積累的經(jīng)驗來判斷水下目標類型仍是水下目標識別的重要途徑之一。國外研究人員提取了水下目標的聽覺特征及心理參數(shù)特征，利用這些特征可以識別目標類型、甚至可以識別目標的材質(zhì)[2–5]。我國這方面研究起步較晚，有許多工作需深入展開。

感知線性預(yù)測（PLP）技術(shù)是由 Hynek Hermansky提出的一種語音分析技術(shù)[6]。為了更進一步去掉信道干擾，RASTA 濾波處理技術(shù)被提出[7–8]，它主要是為了解決緩慢時變的線性信道帶來的失真問題，即卷積性失真。

本文提出將 RASTA 濾波技術(shù)與 PLP 方法結(jié)合應(yīng)用到了水聲信號處理領(lǐng)域中，且根據(jù)水聲信號的特點對 RASTA 濾波算法進行了修正。對比應(yīng)用 PLP 方法進行的水中目標回聲識別實驗，發(fā)現(xiàn)修正后的 RASTA濾波技術(shù)在抗卷積噪聲方面效果較為理想。

1 人耳聽覺感知原理

人耳可以聽到頻率在 20 Hz～20 kHz 范圍內(nèi)的聲音。人耳聽覺系統(tǒng)是一個音頻信號處理器，可以完成對聲信號的傳輸、轉(zhuǎn)換及綜合處理的功能，最終達到感知和識別目標的目的。人耳的聽覺系統(tǒng)有 2 個重要的特性，一個是耳蝸對于聲信號的分頻特性；另一個是人耳聽覺掩蔽效應(yīng)。

1.1 掩蔽效應(yīng)

當 2 個響度不等的聲音作用于人耳時，則響度較高的頻率成分的存在會影響到對響度較低的頻率成分的感受，使其變得不易察覺，這種現(xiàn)象稱為掩蔽效應(yīng)。掩蔽是聽覺系統(tǒng)的一個重要特征，它表明了人的聽覺系統(tǒng)對頻率和時間分辨力的有限性。為了描述這種掩蔽效應(yīng)，引入了臨界帶寬的概念。一個純音可以被以它為中心頻率、并且具有一定頻帶寬度的連續(xù)噪聲所掩蔽，如果在這一頻帶內(nèi)噪聲功率等于該純音的功率，這時該純音處于剛能被聽到的臨界狀態(tài)，即稱這一帶寬為臨界帶寬。一個臨界帶寬可以用巴克（Bark）來表示。在 20～16 kHz 范圍內(nèi)的聲音信號可以分為 22 個 Bark。臨界頻帶與頻率是非線性關(guān)系，符合人耳基底膜對聲音的非線性分析特性。

1.2 耳蝸分頻

人耳的掩蔽效應(yīng)和由此而引起的臨界帶寬等都是由耳蝸的基本結(jié)構(gòu)所決定，當聲音經(jīng)外耳道傳入中耳時，鐙骨的運動引起耳蝸內(nèi)流體壓強的變化，從而引起行波沿基底膜的傳播。不同頻率的聲音產(chǎn)生不同的行波，其峰值出現(xiàn)在基底膜的不同位置上。頻率較低時，基底膜振動的幅度峰值出現(xiàn)在基底膜的頂部附近；相反，頻率較高時，基底膜振動的幅度峰值出現(xiàn)在基底膜的基部附近（靠近鐙骨）。圖 1 形象地說明了基底膜的位置-頻率對應(yīng)關(guān)系。如果信號是一個多頻率信號，則產(chǎn)生的行波將沿著基底膜在不同的位置產(chǎn)生最大幅度。在每一聲音頻率上，隨著強度的增加，基底膜運動的幅度增大，并且?guī)痈鼘挼牟糠终駝印倪@個意義上講，耳蝸就像一個頻譜分析儀，基底膜可以看成是一組頻帶重疊的非線性帶通濾波器，這組帶通濾波器將整個頻帶劃分為若干個不等寬頻帶，稱為臨界頻帶。鑒于此，可把基底膜從外向內(nèi)分成許多段，每段對應(yīng)于一個帶通濾波器，這樣整個基底膜可以看成一組頻帶重疊的帶通濾波器。

圖 1 基底膜的位置-頻率對應(yīng)關(guān)系Fig. 1 The congruent relationship between the location of basilar membrane

2 人耳聽覺感知模型

2.1 感知線性預(yù)測技術(shù)

感知線性預(yù)測技術(shù)（PLP，Perceptual Linear Predictive Analysis）主要在 3 個層次上模仿了人的聽覺感知機理：1）臨界頻帶分析處理。2）等響曲線預(yù)加重。3）信號強度-聽覺響度變換。從人耳的掩蔽效應(yīng)原理出發(fā)，不僅考慮了臨界帶寬這種特性，并且考慮到耳蝸的分頻特性，另外它還具有計算量小、維數(shù)低的特點。

2.2 RASTA 濾波器

有證據(jù)表明，聽覺通道對 4 Hz 左右的調(diào)制頻率最為敏感[7]。這一頻率有時也被稱作音節(jié)速率，因為它大致對應(yīng)了我們正常說話時音節(jié)出現(xiàn)的速率。RASTA處理正是利用了聽覺上對這一調(diào)制頻率的敏感性來去除噪聲。首先對于慢變信道引起的失真，RASTA 對每一個通道采用一個濾波器，用于濾出通道中的直流和鄰近直流的頻率成分。此外，RASTA 濾波器也對較高調(diào)制頻率進行了抑制，以此來突出人耳對以 4 Hz 頻率變化的信號的敏感。

RASTA 處理通常在對數(shù)譜或?qū)?shù)功率譜域進行，其頻率響應(yīng)如下：

式（1）得到的 RASTA 帶通濾波器的頻率響應(yīng)如圖 2 所示。從圖中可以看出，RASTA 頻響的峰值大約在 4 Hz，它去除了慢變信號成分，且抑制了 16 Hz 以上的調(diào)制頻率成分。

2.3 修正的 RASTA 濾波器

圖 2 RASTA 帶通濾波器的頻率響應(yīng)Fig. 2 The frequency response of RASTA band-pass filter

本文所要分析的數(shù)據(jù)是水聲信號，與語音信號有著很大的區(qū)別。這就面臨著如何修正該濾波器以適合水聲信號特點的問題?？梢约俣ū尘霸肼暤淖兓俾室刃盘柭矸e噪聲經(jīng)過 RASTA 濾波器處理后接近直流，因此本文 RASTA 濾波器修正為：RASTA 濾波器用通帶為 1 Hz 的高通濾波器，從而保留了 16 Hz以上的調(diào)制頻率成分。

為了實現(xiàn)快速運算，選用頻域切割法實現(xiàn)高通濾波功能。對于輸入的時域信號，做出其傅立葉變換，保留所需頻帶的值，其余點取為 0，然后對處理后的頻域信號進行反變換得到濾波后的時域信號。

2.4 修正的 RASTA-PLP 聽覺模型

本文提出將 RASTA 濾波技術(shù)與 PLP 方法結(jié)合模仿了人耳的聽覺感知過程，具體處理流程見圖 3。

圖 3 修正的 RASTA-PLP 算法實現(xiàn)圖Fig. 3 The instruction of revised RASTA-PLP algorithm

2.4.1 短時功率譜

對接收的回波信號進行短時傅里葉變換計算其功率譜 P（ω）。

2.4.2 臨界帶分析

功率譜 P（ω）沿其頻率軸 ω 按式（2）規(guī)整到人耳感知的 Bark 域，得到 P（Ω）[6]：

其中 ω 為角頻率，Ω 為 Bark 域頻率。然后將規(guī)整后的功率譜與模擬臨界帶曲線 Ψ（Ω）相卷。在 PLP 技術(shù)中，臨界帶曲線由下式給出：

據(jù)式（3）得到的濾波器在頻率軸上的分布情況如圖 4 所示。

對海外發(fā)行的重視是嶺南報刊的重要特色，這一傳播格局的基礎(chǔ)是數(shù)量眾多的華僑。嶺南是中國移民最早的地區(qū)，19世紀資本主義擴張對勞動力的需求，出現(xiàn)了移民潮，移民地區(qū)主要是“美洲、大洋洲、非洲和東南亞的一些國家”。[12]東南亞許多國家中粵籍都在華僑中占多數(shù)，[13]其他地區(qū)，如南美地區(qū)，“古巴華僑幾乎全是廣東省人，其中臺山縣的約占百分之四十”。[14]

功率譜 P（Ω）與臨界帶濾波器組曲線 Ψ（Ω）離散卷積即可得到臨界帶功率譜。

與原始 P（ω）相比，P（Ω）與臨界帶曲線 Ψ（Ω）的卷積在很大程度上減少了 Θ（Ω）的譜分析。

圖 4 23 通道濾波器頻率響應(yīng)Fig. 4 The frequency response of PLP filter

2.4.3 非線性壓縮變換

對臨界帶功率譜進行非線性壓縮變換，把 Bark 譜轉(zhuǎn)化為 Bark 對數(shù)譜。

2.4.4 等響曲線預(yù)加重

心理聲學研究成果表明，在聲強一定的情況下，人耳對不同頻率聲音敏感程度不同，人耳對中高頻較為敏感，所以要對臨界帶分析所得到的譜進行等響度級變換，經(jīng)變換后的響度級譜為[6]：

其中

2.4.5 強度-響度轉(zhuǎn)化

強度-響度轉(zhuǎn)換模仿了人耳對聲音強度感受的非線性飽和特性，這里用立方根壓縮曲線來近似[6]。

2.4.6 全極點模型逼近

對 Φ（Ω）做完 IDFT 變換之后得到信號短時自相關(guān)函數(shù) R（τ），用全極點模型來逼近 R（τ），即做LPC 分析，使用萊文遜-杜賓遞推算法解得 p 階線性預(yù)測系數(shù) ai，i=1，2，…，p。為了增強對聲音特性的表述能力，又對預(yù)測系數(shù)進行了譜分析，形成特征向量，以期更好顯現(xiàn)目標特征。圖 6 給出了應(yīng)用修正的RASTA-PLP 模型提取的某類目標的 23 維特征向量。

圖 5 加權(quán)后的 PLP 濾波器響應(yīng)Fig. 5 The frequency response of PLP weighted filter

圖 6 某類目標基于修正RASTA-PLP聽覺模型的特征圖Fig. 6 The feature pattern of some subjects extracted based on revised RASTA-PLP model

3 實 驗

采用實測水中回波信號提取聽覺模型特征，信號形式為單頻信號，目標分為 2 類，分別用 A 和 B 表示。樣本總數(shù)共 2 990 個。為了對該特征的效果進行評估，同時提取了基于 PLP 聽覺模型的回波特征，把基于PLP 模型的聽覺特征和基于修正 RASTA-PLP 模型的聽覺特征分別送入 FART 神經(jīng)網(wǎng)絡(luò)[9]，進行對比驗證。

目標信號數(shù)據(jù)分為訓練集和測試集 2 部分，其比例為 1:10。2 類目標訓練集的識別率均為 100%，測試結(jié)果如表 1 和表 2 所示，基于 PLP 聽覺模型特征的總識別率為 97%，基于修正的 RASTA-PLP 聽覺模型特征的總識別率為 97.29%，基于修正的 RASTA-PLP 聽覺模型特征比基于 PLP 聽覺模型特征的識別結(jié)果高 0.29%。

表 1 PLP 模型特征測試結(jié)果Tab. 1 Results obtained via using PLP model and with noise

表 2 修正的 RASTA-PLP 模型特征測試結(jié)果Tab. 2 Results obtained via using RASTA-PLP model with noise

為了更進一步驗證 RASTA-PLP 聽覺特征的抗卷積性能，在實驗中引入了高斯白噪聲，與信號進行卷積，由此來模擬存在卷積噪聲的環(huán)境。圖 7 給出了同一目標加噪前后的功率譜圖，由圖可看出功率譜的變化較大。

對回波信號加入卷積白噪聲，利用修正的 RASTAPLP 算法提取如圖 6 所示類目標的特征向量，特征如圖 8 所示。比較圖 6 和圖 8 可看出，特征曲線的趨勢加噪前后變化較小，這表明該特征抗卷積噪聲能力較強。

仍使用模糊自適應(yīng)共振分類器（FART）來分類，

圖 7 同一目標加噪前后的功率譜圖Fig. 7 The power spectrum of the same subject without and with noise

圖 8 與圖 6 相同目標信號加噪后基于修正 RASTA-PLP 聽覺模型的特征圖Fig. 8 The feature pattern of the same subjects with fig.6 extracted with noise based on revised RASTA-PLP model

表 3 加噪后 PLP 模型特征測試結(jié)果Tab. 3 Results obtained via using PLP model and with noise

表 4 加噪后修正 RASTA-PLP 模型特征測試結(jié)果Tab. 4 Results obtained via using RASTA-PLP model with noise

表 3 和表 4 分別給出了 PLP 模型和修正的 RASTA-PLP模型提取的特征分類識別結(jié)果。對比表 3 和表 4 可以發(fā)現(xiàn)，加入卷積噪聲后基于 PLP 模型的特征總識別率僅為 83.98%，基于修正的 RASTA-PLP 模型的總識別率為 86.39%，在相同條件下，基于修正的 RASTA-PLP聽覺模型特征識別率高于基于 PLP 聽覺模型特征識別率約 3%。這說明基于修正的 RASTA-PLP 模型特征具有較強的魯棒性。

4 結(jié) 語

目標回聲信號的特征提取是主動聲吶的水下目標識別的關(guān)鍵技術(shù)之一。信號處理的目的就在于尋找信號的有效表示，并如何去發(fā)現(xiàn)目標的本質(zhì)特征，本文通過跟蹤研究較為成熟的語音識別技術(shù)，提出基于修正的 RASTA-PLP 模型的抗卷積和脈沖噪聲的聽覺特征，實現(xiàn)對人的聽音識別過程的模擬，在此基礎(chǔ)上，利用 FART 神經(jīng)網(wǎng)絡(luò)進行有效性驗證，通過實驗表明，對于水下目標回波信號，基于修正的 RASTA-PLP模型提取的特征比基于PLP模型提取的特征在抗卷積噪聲方面有更強的魯棒性。該特征提取技術(shù)開辟了水中目標回波特征提取的新途徑。

[1]彭圓, 王晟, 王科俊, 等. 感知線性預(yù)測在水下目標分類中的應(yīng)用研究[J]. 聲學學報, 2006, 31(2): 146–150. PENG Yuan, WANG Sheng, WANG Jun-ke, et al. A study on underwater target classification applying perception linear prediction method[J]. Acta Acustica, 2006, 31(2): 146–150.

[2]ZWICKER E, FASTL H. Psychoacoustics: Facts and models[M]. New York: Springer-Verlag, 1999.

[3]HERMANSKY H, MORGAN N, BAYYA A, et al. RASTAPLP speech analysis technique[C]//Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing. San Francisco, CA: IEEE, 1992, 1: 121–124.

[4]GHITZA O. Auditory models and human performance in tasks related to speech coding and speech recognition[J]. IEEE Transactions on Speech and Audio Processing, 1994, 2(1): 115–132.

[5]USAGAWA T, IWATA M, EBATA M. Speech parameter extraction in noisy environment using a masking model[C]//Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing. Adelaide, SA: IEEE, 1994, 2: II/81-II/84.

[6]DUZENLI O. Classification of underwater signals using wavelet-based decompositions[D]. California: Naval Postgraduate School, 1998.

[7]HERMANSKY H. Perceptual linear predictive (PLP) analysis of speech[J]. The Journal of the Acoustical Society of America, 1990, 87(4): 1738–1752.

[8]HERMANSKY H, MORGAN N. RASTA processing of speech[J]. IEEE Transactions on Speech and Audio Processing, 1994, 2(4): 578–589.

[9]CHERKASSKY V, MULIER F. Guest editorial vapnikchervonenkis (VC) learning theory and its applications[J]. IEEE Transactions on Neural Networks, 1999, 10(5): 985–987.

Application of auditory spectrum features into echo target recognition

WU Liang1, YANG Hui-jin2
(1. Naval Military Representative Office in Dalian Region, Dalian 116021, China; 2. Dalian Scientific Test and Control Technology Institute, Dalian 116021, China)

The more mature RASTA-PLP auditory mode in the field of speech recognition is presented to apply to the field of underwater target echo recognition. But also, According to the character of underwater target signal, The RASTAPLP auditory mode is modified. Contrast to the PLP auditory model feature, the modified RASTA-PLP auditory model feature is more robust to underwater target echo signal after the Gauss white noise is convoluted with the signal. At the equal test condition, the recognition ratio of the modified RASTA-PLP auditory model feature is 3% higher than the PLP auditory model feature. It shows the method important foreground in underwater target recognition.

echo；recognition；the modified RASTA-PLP auditory model；robust

TN911.7

A

1672–7619(2016)12–0143–04

10.3404/j.issn.1672–7619.2016.12.029

2016–07–12；

2016–10–15

吳亮(1980– )，男，工程師，研究方向為艦船監(jiān)造及水聲電子工程。