李 黎，熊 英，荊瑞俊

(1.湖北工業(yè)大學，湖北 武漢 430068;2.山西農(nóng)業(yè)大學，山西 晉中 030801)

0 引言

每年地下開的煤層產(chǎn)量占煤炭總產(chǎn)量的45%左右，綜采工作面在回采過程中，由于斷層或煤層厚度變化等出現(xiàn)矸石，是影響采煤質量重要因素[1]。頂煤放落時，依靠工人的耳聽、眼觀等方式來判斷，并以此聲音來確定是否放完頂煤。

放煤過程存在粉塵大、光線弱、空間狹窄等現(xiàn)象，難以準確地確定放煤狀態(tài)；環(huán)境條件的惡劣，會嚴重損害工組人員的身心健康。煤矸石的自動識別技術成為智能化采煤亟待解決的問題。

范振[2]等人考慮到采煤環(huán)境對煤與矸石表面的影響，對采集的樣本進行了細分，研究分析其圖片的灰度特征、紋理特征等信息差異性，采用支持向量機算法對樣本進行學習，構建其分類模型。薛光輝[3]等人以采煤口的煤矸石的圖像為樣本，采用裁剪、灰度變換、增強對比度等方法對原圖像進行預處理，用灰度共生矩陣表示樣本的15個紋理特征，采用隨機森林算法對煤矸石的紋理特征進行重要度排序，分析降維前后模型對煤矸石的識別效果。楊晨光[5]對不同類的煤的密度和灰分的關系進行研究分析，得出基于厚度和密度的灰度改變，采用R值法對煤矸與煤的差異識別。

上述研究主要從煤物理特性及表面圖片等對矸石進行識別，由于采煤現(xiàn)場的環(huán)境較為惡劣，圖像采集較為困難，通過射線技術雖能準確識別，但技術難度較大。鑒于此，本系統(tǒng)研究綜采面放頂煤過程煤與矸石落到支架上聲音的差異進行識別。

1 系統(tǒng)整體框架

本系統(tǒng)主要是通過放煤與放矸的聲音的不同來識別采出來的是煤還是矸，有助于后期的處理。系統(tǒng)的實現(xiàn)過程主要包含音頻信號的采集、音頻信號特征的提取、C-SVM模型構建及識別等。

圖1 系統(tǒng)的整體框架

2 音頻特征提取

將原始信息的特征作為識別模型輸入。常用的特征提取算法分時域和頻域兩個方面，如時域的過零率、短時能量、自相關函數(shù)[6]；頻域特征提取算法包括離散傅里葉變換、快速傅里葉變換、小波變換等。目前常用的特征提取算法采用的是梅爾倒譜系數(shù)，MFCC就是在梅爾刻度頻率上提取出來的梅爾倒譜參數(shù)。

MFCC算法實現(xiàn)的過程如圖2所示。預處理一般是加窗等操作、快速傅里葉變換、取模平方、Mel濾波器、對數(shù)變換、離散余弦變換等步驟。

圖2 MFCC實現(xiàn)流程圖

對數(shù)梅爾譜圖(LogMel)更多是希望符合聲音信號的本質，擬合人耳的接收特性。

DCT是線性變換，會丟失語音信號中原本的一些高度非線性成分。當深度學習方法出來之后，由于神經(jīng)網(wǎng)絡對高度相關的信息不敏感，MFCC不是最優(yōu)選擇，經(jīng)過實際驗證，其在神經(jīng)網(wǎng)絡中的表現(xiàn)也明顯不如對數(shù)梅爾譜圖(LogMel)。

圖3 聲音的Fbank圖譜

系統(tǒng)選擇對數(shù)梅爾譜圖(LogMel)作為識別模型的輸入特征。一段放煤聲音MFCC參數(shù)與LogMel圖譜的信息量的對比圖如圖4,圖5所示。

圖4 MFCC的圖譜 圖5 LogMel特征圖譜

LogMel特征提取過程與MFCC的提取過程類似，只是把后面提取離散余弦變換(DCT)的步驟，轉而添加了取模、取對數(shù)等操作。

為了方便網(wǎng)絡運算，提取LogMel特征參數(shù)后，對其進行歸一化處理，從而得到機器學習的特征輸入。提取LogMel時分幀數(shù)選擇20 ms重疊一半，加漢明窗并使用64個分量的梅爾濾波器。經(jīng)過歸一化后的LogMel譜圖分布相對均勻，使特征參數(shù)更加明顯，更有利于區(qū)分不同聲音事件。

3 SVM分類器

SVM(Support Vector Machines)是統(tǒng)計學理論分類算法。該算法實現(xiàn)樣本特征在模型復雜性與學習能力間尋求平衡點。在解決小樣本、非線性及高維等方面的效果比較明顯。

對于樣本S存在最優(yōu)的分類面w·φ(x)+b=0。使用非線性函數(shù)將原來的參數(shù)空間變換到高維空間，進而建立上述超平面，w表示平面法向量，b表示截距設分離平面函數(shù)：

w·φ(x)+b=0

(1)

判別函數(shù)h(x)=w·φ(x)+b，將h(x)做歸一化處理后，使樣本滿足h(x)?1，運算轉化可得到化簡后的式子D=2/w，所以，使分類間隔最大就是相當于使w最小即可。

滿足上述條件，使分類模型對所有的樣本都有正確的效果需要滿足下式的條件。

yi(w·φ(xi)+b)-1?0i=1,2…n.

(2)

對每一個不等式約束引進拉格朗日乘子(Lagrange multiplier)αi≥0,i=1,2,…,Nαi≥0,i=1,2,…,N；構造拉格朗日函數(shù)：

(3)

將w與b消除，原始的約束最優(yōu)化問題可等價于極大極小的對偶問題

(4)

而線性不可分時，需要向高維空間轉化，使其變得線性可分。此時需要松弛變量法來解決此類問題，對每個樣本引入一個松弛變量δ≥0，這樣約束條件變?yōu)椋?/p>

yi(wTφ(xi)+b)≥1-δi

(5)

目標函數(shù)則變:

(6)

其中，C為懲罰因子，C越大，分錯點越少，但也不能太大，以免產(chǎn)生過度離合。為避免維度災難，則需要引入核函數(shù)，核函數(shù)是低維空間向高維空間映射。

4 實驗與總結

放煤放矸等數(shù)據(jù)集的構建。SONY錄音筆PCM-A10 16 GB(支持LPCM，采樣率44.1 k、96.1 kHz，分別為16位和24位；本系統(tǒng)采用的44.1 k，16位的PCM格式輸出模式)。數(shù)據(jù)采樣地點為陽煤集團某一礦井。處理機配置：Dell筆記本電腦，Intel I5處理器，8 G內(nèi)存。根據(jù)采集上的聲音數(shù)據(jù)，請專業(yè)人士再次確定所采集的數(shù)據(jù)與標簽是否對應，并將數(shù)據(jù)裁剪成1 s時長的聲音頻段。根據(jù)確定的標簽，對1 s的聲音片段進行打標簽工作，聲音數(shù)據(jù)與標簽結果如表1所示。

表1 實驗結果表

本實驗采用python3編程，環(huán)境為anaconda3-64位。使用了pickle、numpyscipy、python_speech_features、sklearn.metrics等庫。該實驗的訓練樣本放煤音頻數(shù)據(jù)為102 500個，放矸數(shù)據(jù)為521 40，其他為521 40，測試樣本數(shù)目分別為250 0、214 0、540 0。訓練得到模型在測試的數(shù)據(jù)集的識別率為88.33%，其中對放煤的識別率為89.72%、對放矸的識別率為95%、對不放煤的識別率為85.04%。從工業(yè)現(xiàn)場的情況來看，當前的識別率滿足使用的需求。該模型可以實現(xiàn)對放煤過程中存在矸石的準備的識別，為現(xiàn)場的工作提供了智能化的識別，替代傳統(tǒng)人耳識別的過程。