基于分頻段ABAP譜減法的鳥叫聲分類研究

張妍琰,劉建芳,郭力爭

(1．河南城建學(xué)院 計算機科學(xué)與工程學(xué)院，河南 平頂山 467036；2.平頂山學(xué)院 軟件學(xué)院，河南 平頂山 467000)

0 引言

鳥類是自然生物的重要成員之一，在物種演化的漫長過程中，大多鳥類都形成了具有自身特異性的鳴叫聲.通過對鳥叫聲的研究，有利于提高對鳥類資源、種類、數(shù)量、生存區(qū)域統(tǒng)計調(diào)查的準(zhǔn)確性、真實性和可靠性，同時可將其作為分析自然聲音的組成結(jié)構(gòu)和動物行為的典型樣例.

自然環(huán)境中的鳥叫聲通常伴有雜音，為了去除噪聲，得到較為純凈的聲音信號，必須借助于各種聲音增強算法.譜減法[1]是聲音增強算法中重要的非參數(shù)方法，譜減法以其原理簡單、運算量小、性能穩(wěn)定而受到最為廣泛的關(guān)注和研究.傳統(tǒng)譜減法[2-3]采用的周期圖估計并非一致估計，方差很大，并造成“音樂噪聲”，影響譜減后聲音分類效果，尤其是鳥類聲音的分類，因為鳥叫聲中夾雜的自然環(huán)境噪聲組成復(fù)雜、種類繁多，且在頻域上分布較廣.為了抑制“音樂噪聲”，降低方差，Hendriks等人通過搜索功率譜的最長平穩(wěn)段，進行周期圖平滑，進而減小周期圖估計的方差[4].但是因果系統(tǒng)并不能得到理論上的最長平穩(wěn)段，該搜索過程還需要較大的數(shù)據(jù)存儲量和計算量，并且這種周期圖平滑利用的只是時域的平穩(wěn)性，卻沒有考慮功率譜頻域上的結(jié)構(gòu)特征，無法應(yīng)對復(fù)雜的自然聲音.Ephraim等人提出的引導(dǎo)決策(Decision-Directed, DD)算法能夠較好地估計高信噪比情況下的功率譜[5].但是當(dāng)信噪比較低時，DD算法會低估先驗信噪比，造成跟蹤延遲和聲音失真的問題[6].Gustafsson等人采用Bartlett平均周期圖(Bartlett Averaging Periodogram, BAP)方法先將信號分段估計，然后平均各個分段結(jié)果[7]，以減小估計方差，平滑功率譜圖.但是該方法造成嚴重的能量泄露，影響算法性能.Welch方法引進重疊加窗改進了Bartlett法，雖然能在一定程度上抑制能量泄露，但是窗函數(shù)的選擇對估計效果影響較大，需事先針對不同信號和不同的處理目的選擇合適的窗函數(shù).實際上，噪聲功率譜的結(jié)構(gòu)特征變化復(fù)雜，既可能是平坦的連續(xù)譜，如白噪聲譜；也包括離散的線譜，如正弦信號等周期信號的功率譜；更普遍的是既包括連續(xù)譜又包括非連續(xù)譜的復(fù)雜譜.對于連續(xù)譜噪聲，應(yīng)采用頻率分辨率較低的功率譜估計以減小方差，從而減少“音樂噪聲’；而對非連續(xù)譜噪聲，則應(yīng)該采用頻率分辨率較高的功率譜計以降低噪聲譜能量泄露，減少聲音失真.因此無論哪種功率譜估計方法，都難以在方差和頻率分辨率之間取得良好的折中.

針對上述問題，本文提出了基于噪聲譜結(jié)構(gòu)特征的自適應(yīng)Bartlett平均周期圖(Adaptive Bartlett Averaging Periodogram, ABAP)方法，根據(jù)噪聲譜的結(jié)構(gòu)特征對周期圖進行自適應(yīng)平滑.真實環(huán)境中的噪聲對整個聲音信號整個頻譜的影響并不均勻[8]，因此本文將ABAP應(yīng)用于分頻段譜減法(Multi-band Spectral Subtraction，MSS)[9]，對自然環(huán)境的鳥叫聲進行降噪處理，以減少音樂噪聲和聲音失真.傳統(tǒng)的Mel頻率倒譜系數(shù)(Mel Frequency Cepstrum Coefficient, MFCC)充分利用人耳聽覺感知特性，經(jīng)常被作為聲音特征用于分類識別[10]，但是MFCC遇到噪聲性能驟降.因此本文將含噪聲的鳥叫聲信號經(jīng)過前端改進的降噪處理后，在傳統(tǒng)的MFCC基礎(chǔ)上加入二維離散余弦變換[11]，提取更具有針對性、動態(tài)性和魯棒性的二維Mel頻率倒譜系數(shù)(Two Dimensional Mel-Frequency Cepstrum Coefficients, TDMFCC)來表征鳥叫聲信號，最后結(jié)合判決分類器支持向量機(Support Vector Machine, SVM)來對含噪聲的鳥叫聲進行分類識別.

1 前端降噪

1.1 ABAP法

假設(shè)純凈聲音為s(n)，噪聲為d(n)，則帶噪聲音表示為y(n)=s(n)+d(n).去噪的目的就是從復(fù)雜的帶噪聲音y(n)中估計出純凈聲音s(n).

YN(k,l)為y(n)第l幀N點快速傅里葉變換(FFT)第k個頻帶分量，其相應(yīng)的周期圖為[12]

(1)

直接周期圖法估計的功率譜方差過大，因此引入Bartlett平均周期圖(BAP)法，對信號進行幀內(nèi)分段估計，然后取平均值.

YM(k,l)是第l幀M點FFT第k個頻帶分量,其相應(yīng)的Bartlett平均周期圖表示為

(2)

其中:N=LM，L是BAP的平均段數(shù)，M是每段的樣本點數(shù).通過幀內(nèi)分段平滑，BAP有效降低功率譜方差.

對較為平穩(wěn)的聲音功率譜，BAP法有良好的效果，能有效彌補直接周期圖法功率譜估計存在的方差過大的缺陷.而對于波峰較窄的信號，當(dāng)在頻域上變化較大時，所估計BAP分辨率過低，能量泄露較為嚴重，不能準(zhǔn)確反應(yīng)聲音信號.因此在BAP法的基礎(chǔ)上，引入自適應(yīng)頻帶結(jié)構(gòu)特性平滑機制，形成自適應(yīng)Bartlett平均周期圖(ABAP)法來進行噪聲功率譜估計.分析噪聲譜的結(jié)構(gòu)特性，根據(jù)頻帶間連續(xù)程度，將其區(qū)分為連續(xù)譜和非連續(xù)譜.判斷噪聲譜是否頻帶間連續(xù)，如果是，則在譜線之間做平滑；否則，不做平滑.

(3)

其中，權(quán)值wi滿足：

(4)

引入當(dāng)前頻帶與相鄰頻帶的功率譜期望比值，作為判斷噪聲譜是否連續(xù)的依據(jù)，即：

(5)

其中，E(PD(k))為噪聲功率譜期望.當(dāng)φ(k,l)越接近1，表示頻帶k與頻帶k+i的期望越接近，其譜結(jié)構(gòu)越相似，因此這兩頻帶間可以進行平滑以減少方差.

但是判斷每個頻帶與周圍2Kf個頻帶的結(jié)構(gòu)連續(xù)性，所需要的運算量過大，無法滿足聲音分類實時性的要求.因此，考慮頻帶k與相鄰2Kf+1個頻帶功率譜均值的比作為判決依據(jù).

(6)

為了防止異常噪聲點大值的影響，利用調(diào)和平均數(shù)來代替功率譜均值的計算.

(7)

其中，實驗中為PD(k+i)設(shè)置下限值0.5，以排除出現(xiàn)零點時均值過小的誤差.

計算判決依據(jù)，并確定當(dāng)前頻帶的權(quán)值wk，

(8)

(9)

(10)

圖1中(a)、(b)、(c)分別展示了周期信號加帶通白噪聲的3種功率譜估計方法的效果.(a)中直接周期圖法的幀長N取32 ms的采樣點數(shù)，(b)中BAP法將N劃分為L段，每段的M取4 ms的采樣點數(shù).

(a)直接周期圖法估計結(jié)果

(b) BAP法估計結(jié)果

(c)ABAP法估計結(jié)果圖1 周期信號加帶通白噪聲的噪聲功率譜估計結(jié)果Fig.1 Noise power spectrum estimation result of periodic signal with band-pass white noise

由圖1的3個對比圖可知，(a)中的直接周期圖法有較高的分辨率，能量泄露較小，對周期信號具有良好的估計特性，能有效估計窄帶噪聲，但是對像白噪聲這樣的寬帶噪聲，估計的方差很大；(b)中的BAP法雖然方差較小，但能量泄露比較嚴重，幾乎看不到譜線結(jié)構(gòu)，只適用于連續(xù)譜估計；(c)中即本文提出的ABAP法，能夠根據(jù)頻帶間譜結(jié)構(gòu)的連續(xù)性來自適應(yīng)地平滑周期圖，較好地緩解了傳統(tǒng)周期圖估計中頻率分辨率與能量泄露之間的矛盾.

1.2 分頻段ABAP譜減法

自然環(huán)境的有色背景噪聲(風(fēng)雨聲、流水聲等)大多是非平穩(wěn)信號，其均值、功率譜、相關(guān)函數(shù)等統(tǒng)計量具有隨機性，對聲音信號功率譜各頻段的影響也具有不確定性.因此本文針對不同頻率段中噪聲譜的影響程度，引入分頻段譜減法，并將ABAP的噪聲估計方法應(yīng)用于其中，形成分頻段ABAP譜減法來對帶噪聲音進行降噪，以此提高聲音質(zhì)量.

(11)

(12)

再根據(jù)SNRi(l)和實際實驗將αi(l)設(shè)定為：

(13)

αi(l)隨著信噪比非線性變化，對于信噪比較低的頻段αi(l)的取值較大，這使得譜減過程中的噪聲干擾被有效抑制.

式(11)中的δi(l)代表用來設(shè)定噪聲移除特性的補償因子，根據(jù)聲音的實際情況和經(jīng)驗設(shè)置為：

(14)

其中：fi(l)為第l幀的第i個子頻帶的最高頻率，F(xiàn)s為聲音信號的采樣率.

最后，對上述譜減后出現(xiàn)負值的情況進行下限修改，

(15)

Smin(k,l)=Smin-(1-wk)Smax,

(16)

其中:Smin取0.1|Yi(k,l)|2，Smin取0.9Smin.

采用式(15)、(16)主要基于以下兩點考慮：第一，對于連續(xù)譜，保留殘留噪聲不變，利用其寬帶特性掩蔽“音樂噪聲”；第二，與連續(xù)譜相比，非連續(xù)譜往往具有更大的能量，因此需要對其進行更多抑制，使得殘留噪聲譜更加平坦，減少音調(diào)音出現(xiàn).

1.3 分頻段ABAP譜減法性能測試

為了測試分頻段ABAP譜減法對自然環(huán)境噪聲移除的有效性，將直接周期圖估計譜減法、BAP估計譜減法與本文提出的分頻段ABAP譜減法進行降噪性能對比實驗.對添加10 dB溪流噪聲的畫眉鳥叫聲，分別使用上述3種不同方法進行降噪處理，其效果如圖2(a)、(b)、(c)的3種聲譜圖所示，由圖2可知：(1)使用直接周期圖估計譜減法對帶溪流噪聲的畫眉鳥叫聲降噪后，依然存在大量音樂噪聲.(2)使用BAP估計譜減法對畫眉鳥叫聲降噪后，雖然沒有音樂噪聲，但是低頻段聲音被嚴重抑制，信號能量泄露嚴重，聲音失真較為嚴重.(3)使用分頻段ABAP譜減法降噪后，不但沒有殘留音樂噪聲，而且低頻段的聲音失真也較少，降噪效果較好.

(a)直接周期圖估計譜減法降噪后的畫眉聲譜圖

(b)BAP估計譜減法降噪后的畫眉聲譜圖

(c)分頻段ABAP譜減法降噪后的畫眉聲譜圖

綜上說明，本文提出的分頻段ABAP譜減法既能解決噪聲估計方差太大的問題，減少音樂噪聲，又能有效解決因能量泄露而導(dǎo)致的聲音失真問題.

2 TDMFCC特征提取

多頻段的頻譜結(jié)構(gòu)變化包含了聲音信號的動態(tài)特征，為了更加充分地利用聲音信號的動態(tài)和靜態(tài)特征，本文引入二維離散余弦變換[13-14]的Mel頻率倒譜系數(shù)(Two Dimensional Mel-Frequency Cepstrum Coefficients, TDMFCC).

Mel頻率倒譜系數(shù)[15-16]是目前廣泛使用的聲音識別特征，信號的第t幀第q個MFCC系數(shù)可以表示為：

(17)

其中：Ei(b)表示通過第t幀第b個Mel濾波器的能量，B是Mel濾波器的總數(shù)量.經(jīng)過二次離散余弦變換(Discrete Cosine Transform, DCT)后的TDMFCC矩陣可以表示為：

0≤q

(18)

其中：n是調(diào)制頻率的索引，L是聲音信號的總幀數(shù).

TDMFCC的結(jié)構(gòu)圖如圖3所示，通過對連續(xù)對數(shù)頻譜序列進行橫向二次DCT變換，可以得到包含各序列間頻譜變化信息的TDMFCC矩陣.但是由于二次DCT變換使得頻譜信息的存儲量增加，因此需要考慮算法的計算效率.

低維的頻率參數(shù)和時間參數(shù)能為聲音分類提供更多的全局變化信息.圖3(3)中的A、D區(qū)域主要包含隨著時間變化的局部對數(shù)譜均值信息，C區(qū)域主要體現(xiàn)頻譜結(jié)構(gòu)的細化信息，而有利于聲音分類的對數(shù)譜全局變化情況，主要體現(xiàn)于B區(qū)域.為了使用較少的空間獲得較多的頻譜變化信息，本文選取B區(qū)域的15行5列TDMFCC子矩陣作為聲音信號的主特征，用于分類識別，其表達式如下：

TDMFCC=[c(0,0),…,c(0,4),c(1,0),…,

c(1,4),…,c(14,0),…,c(14,4)]T.

(19)

圖3 TDMFCC矩陣Fig.3 The TDMFCC matrix

3 結(jié)果與分析

實驗中用到的鳥叫聲來自Freesound[17]聲音數(shù)據(jù)庫，具體類別如表1所示.每類聲音有50個聲音樣本，每個樣本的采樣率為11 025 kHz，量化精度為16 bits，持續(xù)時間長度為4～6 s，格式為wav，單聲道.隨機選擇20個樣本用于訓(xùn)練，另外30個樣本用于測試.為了模擬實際噪聲場景，將測試聲音樣本分別與不同背景噪聲分別按40、30、20、10、0 dB的信噪比合成.實驗所用的背景噪聲分別為高斯白噪聲、海浪噪聲、溪流噪聲，其中高斯白噪聲用噪聲發(fā)生器生成，海浪噪聲及溪流噪聲從實地采集.

實驗直接使用LIBSVM[18]工具箱，選用徑向基核函數(shù)，采用自動尋優(yōu)方式設(shè)置懲罰因子等參數(shù)，利用“一對一”的多分類策略，來對聲音信號進行SVM建模分類，得出識別結(jié)果.

表1 實驗數(shù)據(jù)Tab.1 Experimental data

實驗旨在驗證本文所提方法對噪聲環(huán)境下的鳥叫聲分類的有效性，因此分別對MFCC、TDMFCC以及用文中所提的分頻段ABAP譜減法降噪后的MFCC(標(biāo)記為ABAP_MSS+MFCC)、分頻段ABAP譜減法降噪后的TDMFCC(標(biāo)記為ABAP_MSS+TDMFCC)進行SVM建模分類的聲音識別實驗，前3個為對照實驗，第4個為目標(biāo)實驗.針對高斯白噪聲、海浪噪聲、溪流噪聲這3種不同噪聲下不同信噪比的平均分類結(jié)果如表2所示.而針對這3種不同噪聲類型和不同信噪比所對應(yīng)的實驗結(jié)果如圖4所示.

表2 不同噪聲類型下不同信噪比的平均分類結(jié)果Tab.2 The average classification rates of different SNRs under different types of noises

由表2的實驗結(jié)果可以看出，雖然是在高斯白噪聲、海浪噪聲和溪流噪聲這3種不同背景噪聲類型下，但是其鳥叫聲的平均識別率具有相類似的規(guī)律：MFCC的平均識別率最低，而ABAP_MSS+TDMFCC是四個特征中識別率最高的.根據(jù)該表的數(shù)據(jù)可得，TDMFCC比MFCC的分類性能提高了至少4.35%；使用本文提出的ABAP_MSS方法降噪后的MFCC和TDMFCC，比不使用該方法的MFCC和TDMFCC的分類效果更好，其性能分別提高了至少6.07%和11.12%.由此可見，本文提出的經(jīng)過ABAP_MSS方法降噪后的TDMFCC，識別性能更好，對不同類型的噪聲更具有魯棒性.

(b) 海浪噪聲下4種特征的分類結(jié)果

(c) 溪流噪聲下4種特征的分類結(jié)果

由圖4(a)、(b)、(c)的實驗結(jié)果柱狀圖可以看出，無論是平譜噪聲還是有色噪聲環(huán)境下，4種特征的識別率都隨著信噪比的減小而降低，但是下降的速度有所不同.MFCC下降的速率最快，TDMFCC次之，而經(jīng)過降噪后的ABAP_MSS+MFCC和ABAP_MSS+TDMFCC的識別率下降速度分別為次慢和最慢.說明前面兩者受噪聲干擾較大，而后面兩者對噪聲具有一定的魯棒性.當(dāng)信噪比為40 dB時，4種特征的識別率都較高，在90%以上.而當(dāng)信噪比下降到20 dB以下時，ABAP_MSS+TDMFCC的識別率與其他3種特征相比，具有顯著提高，性能明顯優(yōu)于其他.說明本文提出的ABAP_MSS+TDMFCC具有較好的抗噪功能，尤其是在低信噪比時，比如小于20 dB，效果顯著.

4 結(jié)論

針對噪聲環(huán)境下的鳥叫聲分類問題，提出一種經(jīng)過分頻帶自適應(yīng)Bartlett平均周期圖譜減法(ABAP_MSS)降噪后提取TDMFCC特征結(jié)合SVM分類器對帶噪鳥叫聲進行分類的方法.不同噪聲類型下和不同信噪比下的實驗結(jié)果證明，該方法的分類性能較現(xiàn)有的MFCC與降噪后的MFCC更優(yōu).ABAP_MSS降噪方法能夠有效減少音樂噪聲和聲音失真，削弱噪聲干擾.因此，當(dāng)信噪比較高時，ABAP_MSS+TDMFCC的分類效果略微優(yōu)于其他方法；但是當(dāng)信噪比較低時，該方法的分類效果具有顯著提高.由此說明，本文提出的ABAP_MSS+TDMFCC具有良好抗噪能力，且適用于帶噪鳥叫聲的分類.但是，當(dāng)信噪比處于0 dB以下時，降噪方法可能帶來音樂噪聲和失真問題，導(dǎo)致分類效果變差.更低信噪比下的分類問題，以及將分類方法推廣至其他應(yīng)用中的研究工作天在進行中.