李澤鑫

摘 要：文章作者提出的基于ICA算法的野外動物聲音探測儀設(shè)計主要通過對戶外生態(tài)環(huán)境所發(fā)生的聲波進(jìn)行分析：聲源分離、聲音采集、聲音分類比較，從而判斷出周圍野生動物的種類。該探測儀主要適用于生態(tài)環(huán)境中對野生動物的調(diào)查與保護(hù)工作以及生態(tài)環(huán)境的勘測工作，或是適用于野外探險愛好者，判斷周圍有無危險的動物，保證自身的安全。

一、設(shè)計方法

本文設(shè)計的野外動物聲音探測儀總體結(jié)構(gòu)設(shè)計如下圖所示，首先對生態(tài)環(huán)境中的多聲源進(jìn)行分離處理，采集動物聲音的樣本；其次將動物聲音樣本與樣本庫進(jìn)行對比，提取特征，由ICA模型進(jìn)行分類；最后識別出動物種類。

1.ICA（FastICA）算法介紹

FastICA算法分兩步實現(xiàn)：①白化處理；②獨(dú)立分量提取。白化處理是為了去除各觀測信號間的相關(guān)性，從而簡化了后續(xù)獨(dú)立分量提取過程。信號的白化處理比較簡單，用類似主分量分析方法即可實現(xiàn)。設(shè)白化后的信號為X，則X滿足：E{X*X}=E{（B*X）（B*X）}。

我們用變量n表示迭代步數(shù)，令S（n）中的某一分量wi（n）為分離矩陣wi（n）中與s（in）對應(yīng)的某一行向量，即：s（in）s（in）=wiT（n）；n=1，2，3...

分離過程中用目標(biāo)函數(shù)對分離結(jié)果s（in）的非斯性進(jìn)行度量，并對wi（n）進(jìn)行調(diào)整。FastICA算法的調(diào)整公式為：wi（n+1）=E{XG'（wi（n）X）}-E{XG''（wi（n）X）}wi（n）。

當(dāng)相鄰兩次的wi（n）無變化或變化很小時，即可認(rèn)為s（in）≈si，迭代過程結(jié)束。但是需要注意的是：每次迭代后，都要對wi（n）進(jìn)行歸一化處理：

wi（n）=wi（n）/‖wi（n）‖，以確保分離結(jié)果具有單位能量，這是ICA的一個基本限制。對于多個的獨(dú)立分量，可重復(fù)使用上述過程進(jìn)行分離，但每提取出一個獨(dú)立分量后，要從觀測信號中減去這一獨(dú)立分量。如此重復(fù)，直至所有獨(dú)立分量完全分離。并可得到混合矩陣A和分離矩陣W∶W=W·B。

2.聲音信號功率放大器

利用三極管的電流控制作用的電壓控制作用，將電源的功率轉(zhuǎn)換為隨輸入信號變化的電流。三極管的集電極電流永遠(yuǎn)是基極電流的β倍，β是三極管的交流放大倍數(shù)，利用這一點(diǎn)，若將小信號注入基極，則集電極流過的電流會等于基極電流的β倍，然后將這個信號用隔直電容隔離出來，就得到了原先的β倍的電流或電壓的大信號，這現(xiàn)象成為三極管的放大作用。

3.樣本庫建立

通過網(wǎng)絡(luò)下載各種不同的動物聲音，或者通過一些聲音記錄軟件進(jìn)行聲音的收集，比如GoldWave V5.12、中文錄音編輯處理器（WAVECN） V2.0.0.5、錄音能手V5.620等。

二、仿真實驗

根據(jù)已完成的ICA在聲音分離中的實驗結(jié)果，我們用笑聲、歌聲、噪音構(gòu)成源信號向量S，采集到的信號頻率8kHz，長度為1.831s。使用矩陣（3*3）對源信號進(jìn)行線性混合生成觀察信號B。B是一種混合的聲音信號，每一個觀測信號中均包含三種聲源信號。使用該分量可用來模擬在公共場所的錄音。由于不同聲音信號的頻帶是相互混疊的，所以使用傳統(tǒng)的頻域濾波方法難以實現(xiàn)各聲音信號的分離。

根據(jù)前面對ICA方法及應(yīng)用場合的分析，我嘗試用ICA方法對混合聲音信號進(jìn)行分離。按照前面所說明的ICA實現(xiàn)步驟。我們實現(xiàn)了這一算法。無論是從信號波形還是從聲音效果上，分離的結(jié)果都非常理想。

三、結(jié)論

本文所設(shè)計的野外動物聲音探測儀可識別出貓、狗、豬、馬等親緣關(guān)系較遠(yuǎn)的聲音，因為這些動物的發(fā)聲器官相差很大，發(fā)出聲音的頻率等特征差異非常明顯，只要提供足夠的樣本，區(qū)分到綱、目都不難。

參考文獻(xiàn)：

[1]繆 璇，安建昌，唐 璜，等.從“馬航事件”淺析光纖水下聲音探測技術(shù)[J].中國公共安全，2014（13）：157-160.

[2]黃山春，李朝緒，閻 偉，等.紅棕象甲幼蟲聲音室內(nèi)探測[J].熱帶作物學(xué)報，2011，32（10）：1915-1920.