基于希爾伯特黃變換的頻分編碼聲信號識別算法

中北大學(xué)信息探測與處理技術(shù)研究所 李 凱 鄭長海

?

基于希爾伯特黃變換的頻分編碼聲信號識別算法

中北大學(xué)信息探測與處理技術(shù)研究所 李 凱 鄭長海

【摘要】在聲定位系統(tǒng)中信源的識別是需要解決的一個問題，對此提出了一種頻分編碼方式。該編碼由特征信號段和信源標識信號段。信號編碼的長度固定，特征信號的頻率及長度固定，同時在編碼中的位置固定。那么針對這種頻分編碼，提出了一種基于希爾伯特黃變換的識別算法。通過對實際采樣信號的分析處理已驗證該方法能準確的分辨聲源，同時能比較準確的定位信號的位置從而減小盲區(qū)。

【關(guān)鍵詞】頻分編碼；聲定位；希爾伯特-黃變換

0　引言

目前，聲定位技術(shù)主要應(yīng)用于水聲定位和近地炸點定位。其基本都是采用時差法進行定位。而目前還缺乏利用固定聲源對各聲傳感器的位置進行定位的應(yīng)用研究，雖然在陸地上可以利用GPS進行定位，但是一般的GPS定位精度低，對于高精度的GPS定位需要在地面建立基站，成本大[1]。在爆炸試驗中，沖擊波傳感器的節(jié)點很多。為此設(shè)計出一套定位系統(tǒng)。該系統(tǒng)以喇叭作為發(fā)聲源，在進行試驗時把聲接收裝置分布在沖擊波傳感器及炸點所在的位置，從而通過一定的算法來確定沖擊波傳感器和炸點的位置。而本算法是為了解決定位系統(tǒng)中信源的識別，同時減小盲區(qū)。根據(jù)信源（喇叭）發(fā)聲的實際特性，提出頻分編碼方式[2]，同時給出了具體的識別算法。

1　聲信號的編碼

本文給出的編碼方式是由兩部分組成：特征信號段和信源標識信號段。編碼的時間長度是固定的，特征信號段的時間長度和在編碼中的位置是固定的。具體信號編碼的特征如圖1所示。

圖1　信號編碼特征

2　HHT在編碼聲信號識別中的應(yīng)用

HHT是一種通過計算信號的瞬時頻率來分析信號的計算方法，它是通過先對非線性非平穩(wěn)信號進行EMD分解得到瞬時頻率有實際物理意義（Physical Meaningful）且逐級分布、能反映信號內(nèi)部震動模式的一組單一分量IMF，然后對分解獲得的IMF進行希爾伯特變換，最終利用變換的結(jié)果來分析信號。

因此本算法第一步，是對采集的編碼聲信號進行EMD分解。EMD過程的合理性和有效性是基于以下兩點。

EMD是 HHT 的關(guān)鍵步驟，可以視為獲取IMF的篩選過程（Sifting Processing）。EMD過程的合理性、有效性基于以下兩點：

（1）任何復(fù)雜信號 s(t)都可以表示成n個瞬時頻率有實際物理意義、可非正弦波信號的單分量imfk(t)的疊加，即：

其中imfk(t),k=1,2,...,n,是否滿足線性性并不做要求，rn(t)為殘余分量

（2）篩選的終止條件：該信號相對于局部零均值線對稱，且極值點與零穿越點有相同的數(shù)目。

EMD分解的步驟如下[3]：

1）找出s (t)的所有極大值點Maximum-set和極小值點Minimum-set。

2）用Maximum-set擬合s(t)的上包絡(luò)u(t)，用Minimum-set擬合s(t)的下包絡(luò) l(t)。

3）計算 s(t)局部均值 m(t) = (u(t) + l(t))/2。

4）去均值： h(t) = s(t) ? m(t)。

5）判斷h(t)是否滿足IMF定義？，如果不滿足，s(t)=h(t)，返回步驟1，如果滿足，記imfi(t)=h(t),i=1,2,3，...,n，判斷是否滿足rn(t)為一個單調(diào)函數(shù)，不再能篩選出任何IMF分量？如果不滿足，s(t)=s(t)-imfi(t)，返回步驟1，如果滿足，結(jié)束。

第二步，得到一組IMF分量之后，對IMF分量進行希爾伯特變換，其計算方法如下[4]：

對于任意給定一個時間序列信號X(t)，總是可以得到它的 HT 結(jié)果 Y(t)，如下：

其中P 表示柯西主值（Cauchy Principal Value），HT對于所有Lp類函數(shù)都存在。通過這個定義，將 X(t)、Y (t)形成一個復(fù)數(shù)共軛對，來定義一個解析信號 Z(t)：

于是可以推出如下的瞬時頻率計算公式：

通過以上的計算我們就可以得到每個單模式分量信號的瞬時頻率和幅值。

圖2　實驗采集信號

圖3　EMD分解結(jié)果

第三步，通過比較每個信號分量瞬時頻率的幅值，以幅值最大確定瞬時頻率。然后給定一個頻率區(qū)間對瞬時頻率進行量化，通過量化后的時頻分布圖來確定信號的類型，根據(jù)量化后但頻率信號連續(xù)持續(xù)的長短來確定信號的位置。這樣就可以識別信源，同時本算法由于對信號的定位比較準確。

3　實驗數(shù)據(jù)分析

下面我們以實際所采信號為例驗證該算法的可行性。

實際信號如圖2所示。

實驗采樣信號中包括兩個信號，信源標識頻率依次是3.072k、4.608k，兩組信號距離大致相差10ms，對采集信號進行EMD分解后的結(jié)果如圖3所示。

采樣信號時頻分布圖及量化結(jié)果如圖4所示。

圖4　時頻分布及量化結(jié)果圖

從圖4中可以看出信源標識段的頻率總體分布在一個信號標識頻率附近，在信源標識段中存在一些頻率跳躍點，為了縮小量化頻率所需的頻率帶寬，因此需要對時頻分布圖進行平滑處理，消除這些跳躍點。在消除跳躍點后對信號進行量化。量化后可以看出信源標識段的頻率的時間長度比非信號區(qū)明顯寬，兩段不同頻率的信號可以明顯的區(qū)分出來，因此本算法能很好的識別不同信源，同時能減小因為信號太近而產(chǎn)生盲區(qū)。

4　結(jié)論

由實驗結(jié)果可知，基于希爾伯特黃變換的頻分編碼聲信號識別算法，實現(xiàn)簡單，能夠比較準確的識別信源。完全能滿足定位系統(tǒng)的要求，具有很高的應(yīng)用價值。

參考文獻

[1]Rycroft.M.J.Understanding GPS,Principles and Applications[J].Journal of Atmospheric and Solar-Terrestrial Physics,1997;59(5):598-599

[2]戴蕭嫣,韓焱.基于頻分模式的水聲自主定位[J].微計算機信息,2008,01:286-287+309.

[3]徐曉剛,徐冠雷,王孝通,秦緒佳.經(jīng)驗?zāi)Ｊ椒纸?EMD)及其應(yīng)用[J].電子學(xué)報,2009,03:581-585.

[4]王宏宇.基于希爾伯特—黃變換的語音識別特征提取方法研究[D].華南理工大學(xué),2012.