張朝柱，黃妤寧

(哈爾濱工程大學(xué) 信息與通信工程學(xué)院，黑龍江 哈爾濱150001)

0 引言

非合作通信環(huán)境下，通過飛機(jī)艙內(nèi)背景音進(jìn)行飛機(jī)類型的識別[1-2]是目標(biāo)識別的一個新方向，在軍民用領(lǐng)域有著廣闊的發(fā)展與研究前景，對國家安全非常有意義。在非合作通信環(huán)境下，利用飛機(jī)艙內(nèi)的背景音信號對飛機(jī)類型進(jìn)行識別具有被動監(jiān)聽不易被發(fā)覺、實時性好、傳播距離遠(yuǎn)和實現(xiàn)簡單等優(yōu)勢，在現(xiàn)實應(yīng)用中有很大意義。通過截取在非合作通信環(huán)境下的飛機(jī)艙內(nèi)的背景音信號對飛機(jī)類型進(jìn)行識別，并且標(biāo)記出其具體的類型，對軍方迅速識別敵我飛機(jī)類型以做出相應(yīng)的應(yīng)對措施來說至關(guān)重要。將接收到的背景音信號通過計算機(jī)進(jìn)行自主分類與識別，這將大大地解放人力，通過機(jī)器代替人類監(jiān)聽，不僅在準(zhǔn)確率上比較穩(wěn)定，而且對于多重復(fù)雜的環(huán)境，計算機(jī)可以自行進(jìn)行去除干擾的處理，保證了分類結(jié)果的穩(wěn)定性。文獻(xiàn)[3-5]介紹了MFCC算法對動態(tài)環(huán)境音進(jìn)行特征提取，與本文所需要分析的飛機(jī)艙背景音有一些相似之處，文獻(xiàn)[6]介紹了支持向量機(jī)(SVM)這類傳統(tǒng)的分類算法，但是SVM算法對于本文分析的聲學(xué)環(huán)境十分復(fù)雜的聲信號準(zhǔn)確率較低。因此，針對所截取的飛機(jī)艙內(nèi)的背景音，通過MFCC算法進(jìn)行特征提取，由自編碼器進(jìn)行分類識別。實驗結(jié)果表明，每一類聲信號通過自編碼器可以達(dá)到90%以上的正確識別率，且穩(wěn)定性較高，具有很好的現(xiàn)實意義。

1 自編碼器

自編碼器是一種無監(jiān)督學(xué)習(xí)算法，可以對輸入數(shù)據(jù)進(jìn)行壓縮，提取其特征進(jìn)行分類，對圖像信號的分類效果十分顯著。自編碼器[7-9]原理簡單，分類特征明顯且輸出維度低，目前正在多種領(lǐng)域嶄露頭角。本文首次將自編碼器應(yīng)用于非合作通信環(huán)境下飛機(jī)背景音聲信號的分類識別，基于自編碼器對多維信號分類更加準(zhǔn)確的特點，通過聯(lián)合特征對自編碼器進(jìn)行優(yōu)化，使其獲得更高的準(zhǔn)確率。2010年，Vincent P，Larochelle H，Lajoie I等人提出了一種基于疊加去噪層的深度網(wǎng)絡(luò)構(gòu)建策略自編碼器，其分類錯誤顯著降低，確立了去噪準(zhǔn)則可以作為無監(jiān)督目標(biāo)來指導(dǎo)更高層次的學(xué)習(xí)[10-11]。自編碼器是基于深度神經(jīng)網(wǎng)絡(luò)的語音聲學(xué)建模、大數(shù)據(jù)下的模型訓(xùn)練技術(shù)，在未來圖像、語音等大數(shù)據(jù)處理應(yīng)用上有著廣闊前景。

1.1 自編碼器原理

自編碼器中，輸入層到隱藏層相當(dāng)于一個編碼過程，隱藏層到輸出層相當(dāng)于一個解碼過程，由于在自編碼器中只有無標(biāo)簽的數(shù)據(jù)，將輸入信息輸入到編碼器中會得到一個編碼，之后通過解碼器解碼，得到輸出信息[12]。這樣就得到了輸入信號的數(shù)據(jù)逆向映射特征，也就是從少量樣本和大量無標(biāo)簽數(shù)據(jù)中學(xué)習(xí)到了輸入數(shù)據(jù)深層次的特征。如果輸出信息和原始輸入信息是相同的，則認(rèn)為中間隱藏層得到的編碼就是輸入信息的另一種表達(dá)方式[13]。通過優(yōu)化編碼器與解碼器的參數(shù)，最小化重構(gòu)誤差得到編碼。自編碼器的隱藏層到輸出層為前饋運(yùn)算，其隱藏層可以完整地表達(dá)該輸入信號，即可以從隱藏層中將輸入信號進(jìn)行無損重構(gòu)，即自編碼[14]。傳統(tǒng)的自編碼器主要用于降維或者特征學(xué)習(xí)，其原理結(jié)構(gòu)如圖1所示。

圖1 自編碼器原理結(jié)構(gòu)

自編碼器的訓(xùn)練近似于受限玻爾茲曼機(jī)，訓(xùn)練一個自編碼器是為了把輸入x編碼為某種表示c(x)，以便于輸入可以從這種表示中進(jìn)行重構(gòu)，如果存在一個線性隱藏層，并且采用均方誤差準(zhǔn)則訓(xùn)練這個網(wǎng)絡(luò)，那么k個隱藏單元學(xué)習(xí)到的就是將輸入向量投影到由數(shù)據(jù)空間的前k個主成分所張成的子空間[15]。如果隱藏層是非線性的，那么自編碼器便與主成分分析PCA不同：它將有能力捕獲輸入分布的多模特性。更理想的情況下，可以把均方誤差準(zhǔn)則推廣到重構(gòu)的最大似然準(zhǔn)則，即負(fù)對數(shù)似然的最小化準(zhǔn)則。

1.2 自編碼器的訓(xùn)練

給定編碼c(x)：

RE=-lgP(x|c(x))。

(1)

如果x|c(x)為分布式高斯的函數(shù)，式(1)可表示均方誤差，若輸入xi是一個二元變量或者近似二項分布的函數(shù)，則其代價函數(shù)為：

(1-xi)lg(1-fi(c(x)))。

(2)

(3)

理論上來說，確定的函數(shù)編碼f(v)以及確定的解碼函數(shù)g(h)可以是任意函數(shù)。使用自編碼器來初始化由signmoid單元構(gòu)成的DNN中的權(quán)重時，

h=f(v)=σ(Weh+b)，

(4)

式中，We∈RNh×Nv是編碼矩陣；b∈RNh×1是隱藏層的偏置向量。如果輸入特征v∈{0，1}Nv×1取二進(jìn)制值，則可以選擇

(5)

式中，a∈RNv×1是重建層偏置向量。如果輸入特征v∈RNv×1取實數(shù)值，可以選擇：

(6)

一般情況下，權(quán)重矩陣we和wd可能是不相同的。反向傳播算法可以學(xué)習(xí)自編碼器中的任何類型任何方式的參數(shù)，包括實數(shù)或者二進(jìn)制數(shù)等。

當(dāng)隱藏層h的維度比輸入信號x小時，將強(qiáng)制自編碼器捕捉訓(xùn)練數(shù)據(jù)中最顯著的特征。其訓(xùn)練函數(shù)為：

L(x，g(f(x)))，

(7)

式中，L是損失函數(shù)，將其最小化可用于懲罰函數(shù)g(f(x))與x的差異，如均方誤差或者交叉熵?fù)p失函數(shù)，二者分別表示為：

L(x，y)=‖x-y‖2，

(8)

(9)

1.3 自編碼器的輸出

假設(shè)某輸入樣本i對應(yīng)的向量為x(i)，那么其隱含層中的響應(yīng)向量為：

a(i)=f(z(i))=f(Wx(i)+b1)，

(10)

式中，W是輸入層的權(quán)重矩陣；b1是輸入層的偏置矢量；z(i)是計算隱藏層求和；f(?)是激活函數(shù)，且在此情形下應(yīng)該是一個值域在(0，1)之間的向量。本文選取sigmoid激活函數(shù)?？芍趕igmoid激活函數(shù)下，自編碼器的輸出為：

(11)

2 MFCC算法提取飛機(jī)聲信號特征

本文對8種不同飛機(jī)類型通過MFCC對原始聲信號進(jìn)行特征提取，得到特征向量。

Mel頻率分析是一種仿人耳的頻率分析。由于人耳對聲音的非線性關(guān)系，通過Mel倒譜將線性頻譜通過某種關(guān)系映射到非線性頻譜中，通過倒譜將其線性卷積關(guān)系變成線性相加關(guān)系[16]。Mel頻率與實際頻率的關(guān)系如圖2所示，其變換關(guān)系式為：

(12)

圖2 Mel頻率與線性頻率關(guān)系

在Mel頻域，人耳的頻率分辨率是均勻分布的，即將整個Mel頻域等距劃分得到若干個中心頻率。以每個中心點為中點，將上一個和下一個中心頻率為截止頻率，構(gòu)建一系列三角帶通濾波器，并通過式(12)計算Mel頻率與實際頻率的對應(yīng)關(guān)系[17]。MFCC算法流程為：預(yù)加重、分幀、加窗、傅里葉變換、三角窗濾波、取對數(shù)、離散余弦變換(DCT)和動態(tài)差分。

圖3 MFCC算法流程

① 預(yù)加重?？梢蕴岣呗曅盘柕母哳l部分，將聲信號通過一個高通濾波器使能量譜更加均衡。

② 分幀。根據(jù)短時平穩(wěn)特性將聲信號進(jìn)行分幀。每一幀中包含N個采樣點，為了避免丟失語音信號的動態(tài)變化信息，相鄰2幀之間的分幀會進(jìn)行一部分的重疊。

③ 加窗。增加相鄰幀之間的左右連續(xù)性。通常情況下，實驗使用邊緣平滑降為零的漢明窗。

④ 傅里葉變換。將預(yù)處理后的語音信號進(jìn)行離散傅里葉變換，得到信號的線性頻譜，將信號進(jìn)行時頻轉(zhuǎn)換，這就可以對頻域信號取模平方計算其功率譜。設(shè)加窗后的信號為x(n)，經(jīng)過離散傅里葉變換后：

X(K)=DFTx(n)，

(13)

X(K)=H(K)E(K)，

(14)

x(n)=h(n)*e(n)。

(15)

⑤ 三角窗濾波。將經(jīng)過傅里葉變換后得到的頻域信號輸入到Mel濾波器中使其變成Mel頻譜，就可這樣根據(jù)式(12)得到實際頻率與Mel頻率的轉(zhuǎn)換關(guān)系。

⑥ 取對數(shù)能量。將時域卷積轉(zhuǎn)化為頻域相加，

lgX(k)=lg(H(K))+lg(E(K))。

(16)

⑦ 倒譜。即為離散余弦變換，將頻域相加的關(guān)系轉(zhuǎn)化成時域相加的關(guān)系，找到信號的另外一種表示。倒譜能夠去除幀內(nèi)和幀間的冗余信息，且倒譜系數(shù)之間不具有相關(guān)關(guān)系[17]：

IDFT[lgX(K)]=IDFT[lg(H(K))+

lg(E(K))]，

(17)

(18)

⑧ 差分。由于語音信號為時域連續(xù)信號，標(biāo)準(zhǔn)的MFCC只能表示信號的靜態(tài)特征，即一幀內(nèi)的語音特征，將靜態(tài)特征求解一階差分和二階差分得到其動態(tài)特征信息，使特征更加連續(xù)，下一步的分類識別的準(zhǔn)確率會更高。

原始的聲信號數(shù)據(jù)進(jìn)行MFCC算法提取特征值，得到8類數(shù)據(jù)24維的MFCC特征向量，其中采樣間隔20 ms，每幀間重疊10 ms，將特征向量輸入自編碼器進(jìn)行分類。

3 自編碼器對飛機(jī)聲信號特征分類

針對飛機(jī)聲信號特征值進(jìn)行自編碼器分類，輸入聲信號經(jīng)過自編碼器的編碼解碼完成了一種降維的輸入輸出同維度計算過程，解碼后，由Softmax進(jìn)行分類，得到8類不同的聲信號分類結(jié)果。自編碼器分類原理如圖4所示。

圖4 自編碼器分類原理

輸入為24維MFCC特征信號，由于自編碼器的降維分類特征，8類聲信號特征準(zhǔn)確率的穩(wěn)定性存在一定差異。在MFCC算法下，自編碼器可以分類出8種不同的飛機(jī)類型，但是自編碼器對于本文類別1號聲信號的分類準(zhǔn)確率較其他信號相對準(zhǔn)確率低，針對這一問題，提出了基于小波包分解[18]—MFCC聯(lián)合特征，通過自編碼器進(jìn)行聯(lián)合特征提取分類，將原始聲信號通過小波包分解得到8維小波包重構(gòu)特征信號，與MFCC算法提取的24維特征信號組合成32維聯(lián)合特征，輸入自編碼器進(jìn)行分類。

4 實驗結(jié)果對比分析

對原始聲信號進(jìn)行MFCC算法特征提取，采樣頻率選取20 ms一幀，10 ms一次重疊，自編碼器的隱含層節(jié)點設(shè)為10；將MFCC提取的特征向量輸入自編碼器，并且通過10次重復(fù)實驗來驗證準(zhǔn)確率誤差情況，得到10次重復(fù)實驗分類準(zhǔn)確率如圖5所示。

圖5 MFCC算法下自編碼器10次實驗分類準(zhǔn)確率

根據(jù)多次重復(fù)實驗的準(zhǔn)確率統(tǒng)計平均值，可以得到每一類聲信號的近似分類準(zhǔn)確率，如表1所示。其中，為了獲得穩(wěn)定的統(tǒng)計平均值，取重復(fù)實驗次數(shù)為100次。

表1 MFCC算法下自編碼器100次分類準(zhǔn)確率平均值

信號12345678準(zhǔn)確率/%86.2397.13100.0090.12100.0099.90100.0099.68

圖5中，橫坐標(biāo)為重復(fù)實驗次數(shù)，縱坐標(biāo)為每一次實驗準(zhǔn)確率，折線為每一種聲信號的類型。由圖5以及表1可以看出，在MFCC算法下，每一類聲信號的自編碼器的分類準(zhǔn)確率均在85%以上，平均準(zhǔn)確率為95.98%，除了類別1的86.23%，其余準(zhǔn)確率均在90%以上。實驗證明，在MFCC算法下，自編碼器可以較為準(zhǔn)確地分類出8種不同的飛機(jī)類型。

對于類別1聲信號識別準(zhǔn)確率較其他信號低的問題，將32維聯(lián)合特征作為輸入特征信號，經(jīng)過自編碼器分類的結(jié)果如表2所示，其中準(zhǔn)確率均取100次重復(fù)實驗后10次的平均值。

表2 聯(lián)合特征算法下自編碼器分類準(zhǔn)確率 %

由表2可以看出，聯(lián)合特征提取通過自編碼器進(jìn)行分類，其類別1信號由原來MFCC算法下的86.23%增加為99.91%，且MFCC算法下，類別4的分類結(jié)果比起其他類別聲信號較低，經(jīng)過聯(lián)合特征進(jìn)行提取后，其準(zhǔn)確率由90.12%提高到92.46%，其他類別信號也有小幅度的提升，多次重復(fù)實驗結(jié)果波動較小，說明對于實際信號應(yīng)用中相對穩(wěn)定。相比于MFCC算法下的分類結(jié)果，整體的平均正確率從95.98%提升至97.74%，實驗結(jié)果證明其整體正確率提升效果明顯且分類結(jié)果穩(wěn)定。

5 結(jié)束語

針對截取的非合作通信環(huán)境下飛機(jī)駕駛艙內(nèi)的聲信號，提取非語音段聲信號的特征值，提出了對提取特征通過自編碼器值進(jìn)行分類來準(zhǔn)確判斷飛機(jī)類型。本文是將8類不同類型的飛機(jī)通過截取背景音信號進(jìn)行特征提取和分類；背景音的聲信號主要位于低頻段且為非線性時變信號，根據(jù)聲信號的短時平穩(wěn)性應(yīng)用MFCC算法對8種不同飛機(jī)的聲信號進(jìn)行特征提取，將自編碼器首次應(yīng)用于本文研究的聲信號特征分析中進(jìn)行分類，經(jīng)過MFCC算法特征提取后的自編碼器對8類信號100次重復(fù)實驗的平均準(zhǔn)確率分別為：86.23%，97.13%，100.00%，90.12%，100.00%，99.90%，100.00%，99.68%。針對自編碼器對類別1的準(zhǔn)確率較其他信號低的問題，提出特征聯(lián)合—自編碼器對自編碼器進(jìn)行優(yōu)化。實驗結(jié)果表明，優(yōu)化自編碼器的類別1聲信號的平均準(zhǔn)確率為99.91%，準(zhǔn)確率較未優(yōu)化的自編碼器提高了13.68%。另外，本文研究的聲信號聲學(xué)環(huán)境復(fù)雜，可能存在更好的特征提取方法以待研究，目前97.74%的平均準(zhǔn)確率已經(jīng)可以在實際應(yīng)用中發(fā)揮較好的應(yīng)用效果。