音頻檢測西瓜成熟度的噪聲消除方法

摘要：針對音頻檢測西瓜成熟度中擊打響應(yīng)信號更類似噪聲的特點(diǎn)，實(shí)現(xiàn)了信噪分離方法與小波消噪方法相結(jié)合消除環(huán)境噪聲和信號微小噪聲的方法。在消除嘈雜環(huán)境噪聲方面，提出使用快速獨(dú)立分量分析算法（Fast independent componment analisis，F(xiàn)astICA），利用不同兩路混有環(huán)境噪聲的混疊信號分離出噪聲和擊打信號，以獲得能夠用于西瓜成熟度檢測的擊打信號。在消除能量較小的噪聲方面，提出了適合西瓜擊打信號特點(diǎn)的小波消噪算法，能夠有效降噪并保留高頻信息。該方法經(jīng)驗(yàn)證達(dá)到了較好的噪聲消除效果。

關(guān)鍵詞：音頻檢測；小波消噪；快速獨(dú)立分量分析算法；信噪分離；西瓜成熟度

中圖分類號：TP391.42 文獻(xiàn)標(biāo)識碼：A 文章編號：0439-8114（2013）18-4510-05

西瓜成熟度的音頻檢測法檢測速度快，能夠無損檢測采摘前后的西瓜成熟度，可用于研制大型在線分選設(shè)備和小型便攜檢測設(shè)備，并且造價(jià)低廉、應(yīng)用范圍廣，從而成為了西瓜內(nèi)部品質(zhì)檢測方法的國內(nèi)外研究熱點(diǎn)。

由于西瓜在成熟過程中瓜瓤是由致密到疏松逐漸變化的，而西瓜在受迫振動時(shí)發(fā)出的聲音包含西瓜內(nèi)部組織結(jié)構(gòu)的信息，因此音頻檢測西瓜成熟度是一種較為有效的檢測方法。早在1968年，音頻檢測方法就被研究用于檢測多種水果蔬菜（包括西瓜）在采摘和存儲過程中的成熟度和硬度[1]。在最近的30年中，音頻檢測技術(shù)發(fā)展迅速，并成為西瓜篩選和分級的一種重要方法[2]。用于西瓜成熟度檢測的音頻特征一般有衰減系數(shù)、傳播速度、聲阻抗以及透射或反射聲波頻率等[3]。其中，Cooke[4]使用音頻頻率和西瓜重量計(jì)算成熟度指標(biāo)。Clark[5]則提出使用聲波穿過西瓜的衰減時(shí)間衡量西瓜成熟度。何東健等[6]驗(yàn)證了以上理論并提出音頻信號波形對稱度也與西瓜成熟度密切相關(guān)。高冠東等[7]、肖珂等[8]提出使用透射聲波的頻帶幅值向量特征檢測西瓜成熟度。Hayashi等[9]研究發(fā)現(xiàn)音頻信號在水果中的傳播速度與水果硬度的相關(guān)性為0.83。Stone等[10]開發(fā)出一套便攜的聲脈沖阻抗測量系統(tǒng)，并研究證明能夠檢測兩個(gè)品種西瓜的空心缺陷。但是，到目前為止，國內(nèi)國外對音頻檢測西瓜成熟度的研究多數(shù)是在較為安靜的實(shí)驗(yàn)室環(huán)境下進(jìn)行的，在線或便攜式檢測設(shè)備的研制也很少考慮較強(qiáng)環(huán)境噪聲的干擾及處理方法。而在實(shí)際的應(yīng)用環(huán)境下，不論是使用在線檢測設(shè)備分選大量西瓜還是消費(fèi)者使用便攜設(shè)備挑選西瓜，都不可避免的會有環(huán)境噪聲和系統(tǒng)噪聲干擾，會對檢測結(jié)果的準(zhǔn)確度產(chǎn)生較大的影響。

針對以上問題，本研究提出一套使用信噪分離和小波消噪相結(jié)合的噪聲消除方法，濾除信號中混入的各種噪聲。在信噪分離方法中，使用快速獨(dú)立分量分析算法從較強(qiáng)環(huán)境噪聲中分離出有用擊打信號。分離后，有用信號中仍存在較小的噪聲干擾，因此需要使用小波消噪算法消除干擾，并根據(jù)擊打信號的特點(diǎn)，通過試驗(yàn)對比選擇適當(dāng)?shù)男〔V波算法，從而能夠獲得質(zhì)量較好的西瓜擊打音頻信號，用于進(jìn)一步的處理和分析。

1 擊打信號特點(diǎn)及消噪算法

1.1 擊打信號特點(diǎn)

西瓜擊打信號是更類似于語音信號處理中的一種環(huán)境干擾噪聲，是以前消噪算法中需要濾除的信號，因此在處理擊打信號噪聲的時(shí)候，就需要根據(jù)其特點(diǎn)對消噪算法進(jìn)行適當(dāng)?shù)恼{(diào)整和改進(jìn)。

1.2 信噪分離方法

一般進(jìn)行西瓜成熟度音頻檢測的研究中，采集的音頻信號是在較為安靜的實(shí)驗(yàn)室環(huán)境下，因此不必過多地考慮噪聲的干擾問題。但是，在實(shí)際的應(yīng)用過程中，信號采集時(shí)混入環(huán)境噪聲是不可避免的，有時(shí)混入的噪聲干擾可能會非常強(qiáng)，以至于不能進(jìn)行成熟度的檢測。

針對環(huán)境噪聲較為嘈雜的情況，本研究借鑒語音信號處理中的語音混疊分離技術(shù)，提出使用信噪分離方法分離出噪聲和有用信號。在語音信號處理領(lǐng)域，混疊分離技術(shù)是較新的一種技術(shù)，主要以盲信號分離和計(jì)算聲場景分析兩類方法為主。其中，盲信號分離是在源信號及其混合傳輸信道未知情況下，僅僅利用觀測到的混合信號來估計(jì)原信號，即除了原信號之間的相互獨(dú)立性外，并不知道任何有關(guān)原信號及混合傳輸信道的先驗(yàn)知識，也不知道信號是如何混疊的。由于在嘈雜的環(huán)境下，噪聲源的類型、混疊方式和噪聲的特性都很難估計(jì)，因此盲信號分離方法正適合用于分離這種情況下的噪聲和擊打信號。本研究中使用了盲信號分離中的快速獨(dú)立分量分析算法（FastICA）分離信號和噪聲。它是一種基于負(fù)熵的快速定點(diǎn)ICA算法，其優(yōu)點(diǎn)是計(jì)算簡單、迭代穩(wěn)定、收斂速度快，不需要任何步長參數(shù)。

FastICA盲源分離過程是一個(gè)串行輸出各個(gè)獨(dú)立源信號的過程，要估計(jì)n個(gè)獨(dú)立分量，則需要運(yùn)行n次基本FastICA算法，并且在進(jìn)行每個(gè)獨(dú)立分量提取前，為了防止收斂相同，每次迭代后都要對輸出w1Ty，w2Ty，…，wnTy進(jìn)行去相關(guān)，從而將分離矩陣正交歸一化，然后再進(jìn)行相應(yīng)的提取，這樣最后得到的分離矩陣是正交矩陣。過程中每分離出一個(gè)獨(dú)立分量，就要從觀測信號中減去這一分量，如此反復(fù)，直至分離出所有的獨(dú)立分量。

FastICA分離中，合適的函數(shù)G可以使估計(jì)結(jié)果更好，由于語音信號具有超高斯分布的特點(diǎn)，且魯棒性要求較高，根據(jù)對G的分析，選擇：

這樣依次求出w1，…，wn，從而得到各個(gè)獨(dú)立語音源信號。

在使用FastICA方法分離擊打信號混入的噪聲時(shí)，可以使用不同方向和距離的兩個(gè)麥克風(fēng)采集信號，其中一個(gè)朝向有用信號源，而另一個(gè)背向有用信號源。這樣就能把音頻擊打信號作為一個(gè)聲源，把環(huán)境噪聲信號作為另一個(gè)聲源，使用兩路信號分離的FastICA算法。由于以前在西瓜成熟度音頻檢測領(lǐng)域還沒有類似研究，本試驗(yàn)對使用這種方法分離有用信號和背景噪聲進(jìn)行了試驗(yàn)性的研究。

1.3 小波消噪方法

小波消噪方法能夠把信號分解到不同的頻率尺度上，根據(jù)信號和噪聲在不同尺度內(nèi)表現(xiàn)形式不同的特點(diǎn)，濾除分解系數(shù)絕對值較小的噪聲信號，從而達(dá)到消噪的目的。它在時(shí)頻域中對信號進(jìn)行分析，且具有分辨率自動變焦功能，所以能夠有效區(qū)分信號的突變和噪聲，也能夠處理多種性質(zhì)的噪聲干擾，是一種適用于本研究音頻擊打信號特點(diǎn)的消噪處理方法。

本研究使用了較為常用的Daubechies（dbN）小波系進(jìn)行小波變換和消噪處理。該小波除了一階小波db1（即Haar小波），其他階小波均為連續(xù)且緊支撐的小波，隨著小波級數(shù)的增加，小波變得越來越光滑，并且可以有預(yù)知的連續(xù)導(dǎo)數(shù)，其光滑性足以滿足特定應(yīng)用要求。在此小波系中，高于一階的小波沒有解析表達(dá)式，但有傳遞函數(shù)hk的平方模顯式表達(dá)式，設(shè)多項(xiàng)式：

本研究在使用濾波的小波分解層上進(jìn)行了分析。由于高階小波分解層數(shù)，其系數(shù)表示的是信號的高頻信息，而擊打信號主要集中于低頻部分，但在高頻部分也有分布，噪聲則更多地集中于小波各層的高階系數(shù)中，因此要對適合的小波分解層和系數(shù)進(jìn)行濾波，才能夠消除噪聲干擾同時(shí)不會損害信號高頻信息。所以，本試驗(yàn)研究了對不同小波分解層進(jìn)行濾波的效果，研究對分解的三層系數(shù)的第一、二層濾波和對三層全部濾波兩種方式，并且需要通過試驗(yàn)檢驗(yàn)，選擇效果較好的濾波方法。

1.4 試驗(yàn)設(shè)計(jì)

西瓜擊打信號的獲取方式為：把西瓜放置于平整硬質(zhì)平面上，使用手掌拍擊西瓜赤道位置（瓜蒂和花蒂為兩極），連接計(jì)算機(jī)的拾音器置于距拍擊點(diǎn)3～5 cm距離采集音頻信號。試驗(yàn)使用的為圓形瓜種，外形較圓，近似球體，紅瓤薄皮，重量在3～6 kg左右。音頻采集的硬件設(shè)備如下：筆記本電腦一臺，型號為IBM Tinkpad R61，主要配置為Intel Core2 Duo T7500 2.20GHz CPU，2GB內(nèi)存，集成聲卡；3.5 mm插孔小型麥克風(fēng)一個(gè)，主要部件為駐極體拾音器。在處理軟件方面，Matlab7.1軟件搭建了GUI界面系統(tǒng)，控制聲卡的音頻采樣頻率為11ksps。

為了消除能量與擊打信號相近的較大噪聲影響，本研究中提出了使用音頻盲分離方法中的FastICA算法，把擊打信號與噪聲信號分離開，然后再用分離后的擊打信號進(jìn)行成熟度檢測。為了驗(yàn)證信噪分離算法的可行性，本研究對其進(jìn)行了試驗(yàn)檢驗(yàn)。其試驗(yàn)過程為：先把擊打音頻信號與噪聲信號通過隨機(jī)產(chǎn)生的權(quán)重系數(shù)進(jìn)行混疊，混疊出兩路混有噪聲的音頻信號，以這兩路信號作為FastICA中兩路輸入的混疊音頻信號，經(jīng)過FastICA算法分離混疊的信號，使用分離出的信號與原信號作比較。

信號經(jīng)信噪分離后，還會存在強(qiáng)度較小的噪聲干擾，需要進(jìn)一步進(jìn)行濾除。因此使用小波濾波消噪方法。小波消噪試驗(yàn)中利用小波分解的多分辨率技術(shù)，針對信號中噪聲產(chǎn)生的波形毛刺和幅值在某點(diǎn)上的突變進(jìn)行濾波，同時(shí)并不影響擊打信號的主要波形和特征。使用了Daubechies小波系中的3階小波（db3），把信號解析為3層結(jié)構(gòu)，并使用軟閾值方法進(jìn)行濾波處理。為了達(dá)到濾除毛刺和突變而不損害信號本身高頻部分的目的，分別對兩種濾波方式進(jìn)行了試驗(yàn)：一種是只對小波分解后的第一、二層小波系數(shù)進(jìn)行濾波，然后重構(gòu)原信號；另一種是對小波分解的3層系數(shù)都進(jìn)行濾波處理后再重構(gòu)原信號。濾波后，對兩種方式的濾波后波形變化和效果進(jìn)行比較和分析。

2 結(jié)果與分析

2.1 信噪分離試驗(yàn)

為了檢驗(yàn)信噪分離方法的可行性，驗(yàn)證是否能夠使用FastICA算法分離出噪聲和擊打信號，本研究進(jìn)行了試驗(yàn)檢驗(yàn)。其過程為：先把擊打音頻信號與噪聲信號通過隨機(jī)產(chǎn)生的權(quán)重系數(shù)進(jìn)行混疊，混疊出兩路混有噪聲的音頻信號，以這兩路信號作為FastICA中兩路輸入的混疊音頻信號，經(jīng)過FastICA算法分離混疊的信號，使用分離出的信號與原信號作比較。

試驗(yàn)中，使用了經(jīng)過擊打信號和噪聲信號隨機(jī)混疊的兩路音頻信號，然后對比分離后的信號與原信號的差異。選取了嘈雜的集市噪聲作為用于混疊的噪聲信號，其中混雜有人語、汽車鳴笛、摩托馬達(dá)聲等多種噪聲。對噪聲和擊打信號的混疊使用了2×2的隨機(jī)矩陣對兩信號組成的矩陣相乘，即混疊的兩音頻信號為加性信號疊加。兩種噪聲混疊信號及分離結(jié)果信號如圖1所示。

從圖1可以看出，擊打音頻信號和噪聲信號混合后，混合的信號已經(jīng)與原信號有很大的差異，一般的消噪方法很難把這種噪聲去除。使用FastICA算法對混疊信號進(jìn)行分離后，分離出的信號與原信號在信號波形上基本沒有差異。為了比較分離效果，試驗(yàn)中計(jì)算了分離后擊打信號與原擊打信號的差值，擊打信號分離前后的差值為2.870 1，占信號幅值和的2.30%；并且計(jì)算了圖1c、圖1d、圖1e信號的信噪比，分別為-6.071， -12.831和43.873，說明由于混疊了較高能量的噪聲圖1c、圖1d中的噪聲非常強(qiáng)，已經(jīng)不能用于西瓜成熟度檢測，而圖1e中較高的信噪比說明大部分噪聲已經(jīng)被分離出去，信號質(zhì)量較好。為了進(jìn)一步驗(yàn)證分離效果，使用20個(gè)拍擊信號樣本進(jìn)行試驗(yàn)，統(tǒng)計(jì)分離后擊打信號的信噪比。經(jīng)計(jì)算，信噪比平均值為48.288，其中最大值為72.567、最小值為33.215。由以上分析可見，混疊信號分離后與原信號的差別并不大，能夠還原出原信號波形。因此，此算法能夠用于西瓜成熟度音頻檢測中擊打信號與噪聲的分離，且能夠獲得較好的分離效果。

2.2 小波消噪試驗(yàn)

本研究使用Daubechies小波系中的3階小波及軟閾值進(jìn)行濾波消噪處理，并對使用小波分解后的第一、二層小波系數(shù)進(jìn)行濾波與對3層系數(shù)都進(jìn)行濾波處理的效果進(jìn)行對比和分析，以達(dá)到既能濾除干擾噪聲又能較多保留信號高頻細(xì)節(jié)的目的。試驗(yàn)結(jié)果如圖2所示。

從圖2中可以看出，經(jīng)兩種方式的濾波以后，原波形中的突變和毛刺都被濾去。尤其是從圖2d中，可以明顯地看出波形尖峰的毛刺被平滑掉了。通過把圖2b、圖2c與原信號圖2a進(jìn)行比較可以發(fā)現(xiàn)：圖2b中的信號保留了信號的波形、幅值極大值、極小值位置和信號的高頻部分，較完整地保留了原信號的特征形態(tài)；但是從圖2c中可以明顯看出，原信號在信號開始部分變化比較劇烈的高頻波形被濾去了，尤其是在約0.01s信號波形的波谷部分較為明顯，濾波后信號的高頻分量損失較大，損害了原信號的波形形態(tài)。因此，經(jīng)試驗(yàn)對比后，最終選用了對小波分解后的第一、二層小波系數(shù)進(jìn)行自適應(yīng)濾波的小波濾波方式。它可以很好地去除信號中混入的噪聲，同時(shí)不會使原信號損失高頻信息，保持了信號的完整性，效果較為理想。

3 結(jié)論

本試驗(yàn)研究了消除西瓜擊打信號混入噪聲的方法，提出了一套通過信噪分離方法分離出噪聲和擊打信號，并且使用小波消噪方法進(jìn)一步濾除音頻信號微小噪聲干擾的噪聲消除方法。在信噪分離方法的研究中，使用較強(qiáng)的嘈雜環(huán)境噪聲與20個(gè)拍擊信號樣本進(jìn)行混疊，并使用FastICA算法進(jìn)行分離試驗(yàn)。經(jīng)試驗(yàn)證明此方法能夠分離出拍擊信號和噪聲信號，并且把信噪比極低的混疊信號恢復(fù)為信噪比較高的拍擊信號，分離后信號的信噪比均值為42.288。小波消噪算法試驗(yàn)，對比了小波解析后對3層小波系數(shù)濾波與對第一、二層系數(shù)濾波的效果，試驗(yàn)結(jié)果證明對第一、二層小波系數(shù)能夠?yàn)V除信號中的微小噪聲并保留較多的信號高頻信息，濾波效果更理想。綜上所述，經(jīng)試驗(yàn)證明本研究提出的消噪方法能夠有效地分離出拍擊信號，并進(jìn)一步濾除信號中的微小噪聲，同時(shí)保持信號不失真，具有較好的消噪效果。

參考文獻(xiàn)：

[1] ABBOTT J A， BACHMANN G S， CHILDERS N F， et al. Sonic techniques for measuring texture of fruits and vegetables[J]. Food Technology，1968，22（5）：635-646.

[2] MIZRACHA，GALILI N，GAN-MOR S， et al. Models of ultrasonic parameters to assess avocado properties and shelf life[J]. Journal of Agricultural Engineering Research，1996，65（4）：261-267.

[3] SUN T， HUANG K， XU H R， et al Research advances in nondestructive determination of internal quality in watermelon/melon： A review[J]. Journal of Food Engineering，2010，100（4）： 569-577.

[4] COOKE J R. An interpretation of the resonance behaviour of intact fruit and vegetables[J]. Transactions of the American Society of Agricultural Engineering，1972，15（2）：1075-1079.

[5] CLARK R L. An investigation of the acoustical properties of watermelon as related to maturity[J]. Transactions American Society of Agricutural Engineering，1975，18（4）：6004.

[6] 何東健，李增武，王洪群. 西瓜打擊音波特性的研究[J]. 西北農(nóng)業(yè)大學(xué)學(xué)報(bào)，1994，22（3）：105-107.

[7] 高冠東，滕桂法，肖 珂，等.基于BMV特征的西瓜成熟度無損檢測方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2010，26（8）：326-330.

[8] 肖 珂，高冠東，滕桂法，等. 西瓜成熟度音頻無損檢測技術(shù)[J].農(nóng)機(jī)化研究，2009，31（8）：150-155.

[9] HAYASHI S， SUGIYAMA J，OTOBE K， et al. Nondestructive measurement for maturity of muskmelons by analysis of acoustic-signals[J]. Journal of the Japanese Society for Food Science and Technology，1992，39（6）：465-470.

[10] STONE M L， ARMSTRONG P R， ZHANG X， et al. Watermelon maturity determination in the field using acoustic impulse impedance techniques[J]. Transactions of the American Society of Agricultural Engineering，1996，39（6）：2325-2330.

[11] Hyvarinen A. Fast and robust fixed-point algorithms of independent component analysis [J]. IEEE Trans. on Neural Networks，1999，10（3）：626-634.