基于樣本熵的語(yǔ)音信號(hào)檢測(cè)算法

陳佳琪，鄭 強(qiáng)，鄭曉慶

（海軍航空大學(xué)，山東煙臺(tái)264001）

船舶航行時(shí)，語(yǔ)音通訊與交流是必不可少的。但船舶航行過(guò)程中，各種設(shè)備產(chǎn)生的巨大噪聲嚴(yán)重干擾了通訊端語(yǔ)音信號(hào)，使得有用的語(yǔ)音不能被正常接收，影響了船舶工作者的正常交流。故削除語(yǔ)音信號(hào)通訊端工作環(huán)境中船舶的噪聲干擾，增強(qiáng)語(yǔ)音信號(hào)，對(duì)語(yǔ)音交流的準(zhǔn)確性和舒適性有重要意義。實(shí)現(xiàn)語(yǔ)音信號(hào)增強(qiáng)，須從含噪信號(hào)中將語(yǔ)音信號(hào)和船舶背景噪聲正確地檢測(cè)分離，以便進(jìn)一步通過(guò)譜減法等方法實(shí)現(xiàn)語(yǔ)音增強(qiáng)。

為了達(dá)到語(yǔ)音降噪增強(qiáng)的目的，關(guān)鍵是要把源信號(hào)中無(wú)語(yǔ)音的噪聲段與語(yǔ)音段進(jìn)行分離。目前，國(guó)內(nèi)外學(xué)者進(jìn)行了相關(guān)的分析研究，提出的方法有時(shí)域和頻域特征處理方法。如，基于短時(shí)能量、過(guò)零率、譜散度[1]，倒譜分析、短時(shí)分形維數(shù)[2]，頻帶方差[3]，多重線性回歸分析[4]及修正調(diào)制譜估計(jì)[5]等。但這些方法在用于艦船背景噪聲時(shí)遇到了以下困難：①船舶類型多種多樣，運(yùn)行狀態(tài)千變?nèi)f化，因而其噪聲特征各不相同，背景噪聲復(fù)雜多變；②艦船設(shè)備工作時(shí)噪聲巨大，很多時(shí)候在時(shí)域可將語(yǔ)音信號(hào)完全掩蓋，使信號(hào)的信噪比很低；③同背景噪聲一樣，說(shuō)話人的性別與年齡的不同也會(huì)導(dǎo)致語(yǔ)音信號(hào)的巨大差異。船舶背景噪聲和語(yǔ)音信號(hào)的復(fù)雜多變使許多檢測(cè)方法因類內(nèi)特征離散度大而失效。所以，須探索新的噪聲段與語(yǔ)音段的檢測(cè)分離方法，以適應(yīng)船舶背景噪聲特征[6]。

樣本熵是Richman提出的一種時(shí)間序列復(fù)雜性的測(cè)試方法[7]，復(fù)雜度代表了信號(hào)序列中出現(xiàn)新信息量的大小[8]。語(yǔ)音信號(hào)與船舶工作噪聲信號(hào)的產(chǎn)生機(jī)理是不同的，語(yǔ)音信號(hào)是由肺部收縮產(chǎn)生的氣流經(jīng)過(guò)聲門(mén)和聲道引起震蕩產(chǎn)生的；船舶工作噪聲與船舶的結(jié)構(gòu)、材質(zhì)和發(fā)動(dòng)機(jī)樣式等有關(guān)。因此，2種信號(hào)時(shí)間序列的信息變化程序存在差別。本文在分析2種信號(hào)復(fù)雜性特征的基礎(chǔ)上，利用2 種信號(hào)在時(shí)間序列中出現(xiàn)新信息量的大小和變化幅度的不同，通過(guò)時(shí)域信號(hào)樣本熵，實(shí)現(xiàn)了含噪信號(hào)中語(yǔ)音段和船舶背景噪聲段的正確分離。通過(guò)實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證，該方法具有不錯(cuò)的檢測(cè)效果。

1 信號(hào)特征分析

艦船背景噪聲與語(yǔ)音信號(hào)本身都為復(fù)雜多變的信號(hào)，類內(nèi)特征皆有較大的離散性，故可以信號(hào)發(fā)聲機(jī)理為基礎(chǔ)研究2 者的不同之處，并利用頻譜的相似性將信號(hào)進(jìn)行分離。

船舶作為一種工作環(huán)境，有其本身的特殊性。船舶背景噪聲主要由船舶發(fā)動(dòng)機(jī)、發(fā)電機(jī)等各種設(shè)備的運(yùn)行產(chǎn)生，對(duì)于實(shí)際的工作環(huán)境，船舶自身的大小、材料、發(fā)動(dòng)機(jī)類型等會(huì)成為其噪聲特性的決定性因素[9]。這說(shuō)明當(dāng)在一個(gè)較短時(shí)間內(nèi)，分析其噪聲特點(diǎn)時(shí)，由于船舶自身運(yùn)動(dòng)狀態(tài)及發(fā)動(dòng)機(jī)狀態(tài)等通常會(huì)保持一個(gè)較穩(wěn)定的狀態(tài)，因而對(duì)其噪聲進(jìn)行頻譜等各種特征分析時(shí)，短時(shí)間內(nèi)的頻譜特性會(huì)較為穩(wěn)定[10-11]。圖1 為某船舶背景噪聲相鄰時(shí)間幀信號(hào)的頻譜分布?？梢钥闯?，其相鄰幀的頻譜分布表現(xiàn)出較好的相似性，即具有短時(shí)穩(wěn)定性。

圖1 船舶背景噪聲信號(hào)相鄰幀頻譜分布相似性Fig.1 Spectrum distribution similarity of adjacent frames of ship background noise signal

語(yǔ)音信號(hào)由肺部收縮產(chǎn)生的氣流經(jīng)過(guò)聲門(mén)和聲道引起震蕩而產(chǎn)生。語(yǔ)音中有意義的最小單元是單詞，單詞由音素組成[12-14]，音素是語(yǔ)音中的最小單位。一段語(yǔ)音信號(hào)中會(huì)選擇不同的單詞來(lái)表達(dá)內(nèi)容，通過(guò)音素引起氣流、聲門(mén)和聲道的不斷變化，從而表現(xiàn)出即使在一個(gè)較短時(shí)間內(nèi)，其相鄰時(shí)間幀信號(hào)的頻譜等特征表現(xiàn)出較大的差異，如圖2 所示。為純凈語(yǔ)音信號(hào)相鄰幀信號(hào)的頻譜分布特性，其頻譜計(jì)算方法與圖1相同，且都進(jìn)行了頻譜曲線平滑處理。

圖2 語(yǔ)音信號(hào)相鄰幀頻譜分布特征Fig.2 Spectrum distribution characteristics of adjacent frames of speech signal

綜上所述，不同的發(fā)聲機(jī)理，使語(yǔ)音信號(hào)與船舶背景噪聲信號(hào)的短時(shí)頻譜相似性有較大的差異。對(duì)于背景噪聲信號(hào)，其短時(shí)幀間頻譜分布相似性較大，因而其信號(hào)時(shí)間序列中的新信息量較少；而語(yǔ)音信號(hào)由于短時(shí)幀間頻譜的分布相差很大，其信號(hào)時(shí)間序列中的新信息量會(huì)較多[15-18]。因此，通過(guò)樣本熵來(lái)描述含噪聲語(yǔ)音信號(hào)中語(yǔ)音段與噪聲段信號(hào)的新信息量差異，可以實(shí)現(xiàn)2種信號(hào)的判別。

2 含噪語(yǔ)音信號(hào)的樣本熵

2.1 樣本熵的定義和物理意義

樣本熵的定義為：通過(guò)度量信號(hào)中產(chǎn)生新模式的概率大小來(lái)衡量時(shí)間序列復(fù)雜性，新模式產(chǎn)生的概率越大，序列的復(fù)雜性就越大。當(dāng)數(shù)據(jù)向量由m 維增加至m+1 維時(shí)，繼續(xù)保持其相似性的條件概率[15]，則樣本熵可表示為：

式（1）中：N 為信號(hào)長(zhǎng)度；r 為相似容限；Bm(r) 和Bm+1(r)的定義如式（4）所示。

時(shí)間序列產(chǎn)生新模式的概率越大，序列越復(fù)雜，相應(yīng)的樣本熵越大。樣本熵從統(tǒng)計(jì)的角度來(lái)區(qū)別時(shí)間過(guò)程的復(fù)雜性，表征信號(hào)序列中前后數(shù)據(jù)的差異變化，只須要較短的數(shù)據(jù)就可以估計(jì)出來(lái)。

2.2 樣本熵的計(jì)算

設(shè)每幀長(zhǎng)度為N 的含船舶背景噪聲的語(yǔ)音信號(hào)經(jīng)過(guò)預(yù)處理后為x，其組成m 維向量為：

式（4）中，i,j ∈[ ]1,N-m+1 且i ≠j，對(duì)所有i 值求平均得：

3 基于樣本熵的語(yǔ)音信號(hào)與輻射噪聲判別算法

采樣率為11 025 Hz 的輸入信號(hào)，基于樣本熵的信號(hào)判別算法的實(shí)現(xiàn)步驟如下：

步驟1：信號(hào)分幀。對(duì)信號(hào)進(jìn)行預(yù)加重處理并使用漢明窗分幀，每幀512 個(gè)數(shù)據(jù)點(diǎn)，幀移點(diǎn)數(shù)為256。實(shí)驗(yàn)中，m=2，容許值r=0.2。

步驟2：對(duì)信號(hào)類別初始判別。首先，根據(jù)式（6）計(jì)算樣本熵SampEn；然后，根據(jù)式（7）計(jì)算自適應(yīng)閾值Thre1。

式（7）中：λ1與λ2的值通過(guò)試驗(yàn)確定，這里取值為λ1=4 和λ2=6；u、δ 為信號(hào)的均值與標(biāo)準(zhǔn)差。

比較SampEn 的值與Thre1的值：

如果SampEn ≤Thre1，信號(hào)為語(yǔ)音信號(hào)；

如果SampEn>Thre1，信號(hào)為輻射噪聲。

從而實(shí)現(xiàn)對(duì)每1幀信號(hào)的初始判別。

步驟3：鄰域平滑處理。根據(jù)同一種信號(hào)通道持續(xù)一定時(shí)間的規(guī)律，以當(dāng)前信號(hào)幀及其前2 幀信號(hào)作為當(dāng)前幀類別判斷的鄰域，對(duì)信號(hào)進(jìn)行平滑處理。當(dāng)鄰域幀信號(hào)中有2 幀以上的信號(hào)類別為環(huán)境噪聲，則當(dāng)前幀信號(hào)最終類別判定為環(huán)境噪聲，反之亦然。在對(duì)信號(hào)進(jìn)行平滑處理時(shí)，以鄰域幀信號(hào)的初始判別類型為判據(jù)。

4 算法實(shí)驗(yàn)驗(yàn)證

本文使用實(shí)測(cè)數(shù)據(jù)來(lái)驗(yàn)證算法的有效性。其中，船舶工作環(huán)境噪聲數(shù)據(jù)主要為空投浮標(biāo)和被動(dòng)全向聲吶采集的數(shù)據(jù)，包括商船、漁船等，數(shù)據(jù)文件共400 min，語(yǔ)音信號(hào)包括采用海泰HTPXI1008 數(shù)據(jù)采集器搭配麥克風(fēng)在實(shí)驗(yàn)室錄制的數(shù)據(jù)、網(wǎng)上公開(kāi)的語(yǔ)音算法驗(yàn)證庫(kù)中的語(yǔ)音數(shù)據(jù)共400 min，數(shù)據(jù)采樣率均調(diào)整為11 025 Hz。實(shí)驗(yàn)中，以1s 時(shí)間長(zhǎng)度為一個(gè)處理片段，片段內(nèi)數(shù)據(jù)劃分成10 幀，按照前面介紹的算法執(zhí)行。

如圖3 所示，為測(cè)試基于頻譜趨勢(shì)相似性的信號(hào)識(shí)別算法的性能及對(duì)不同數(shù)據(jù)的適應(yīng)性，將測(cè)試數(shù)據(jù)分成3個(gè)子集進(jìn)行實(shí)驗(yàn)。

子集1：該數(shù)據(jù)子集主要包括不同說(shuō)話者的語(yǔ)音信號(hào)，主要用來(lái)測(cè)試算法對(duì)語(yǔ)音信號(hào)的識(shí)別性能和對(duì)不同說(shuō)話者語(yǔ)音的適應(yīng)性。實(shí)驗(yàn)中，每個(gè)錄制的數(shù)據(jù)取20 s 進(jìn)行實(shí)驗(yàn)，其結(jié)果如圖3 a）所示。

子集2：該數(shù)據(jù)子集主要包括不同的水聲目標(biāo)輻射噪聲數(shù)據(jù)。為實(shí)驗(yàn)的需要，采用與子集1 相同的數(shù)據(jù)文件長(zhǎng)度，該數(shù)據(jù)子集主要用來(lái)測(cè)試算法對(duì)水聲目標(biāo)輻射噪聲信號(hào)的識(shí)別性能和適應(yīng)性，其識(shí)別結(jié)果如圖3 b）所示。

子集3：該數(shù)據(jù)子集由不同的語(yǔ)音信號(hào)和水聲目標(biāo)輻射噪聲信號(hào)組成，每個(gè)數(shù)據(jù)文件取20 s 進(jìn)行實(shí)驗(yàn)。該子集主要用來(lái)測(cè)試算法對(duì)語(yǔ)音信號(hào)和水聲目標(biāo)噪聲信號(hào)同時(shí)存在時(shí)的識(shí)別效果。同時(shí)，測(cè)試對(duì)語(yǔ)音信號(hào)與水聲目標(biāo)信號(hào)起始位置的識(shí)別精度，實(shí)驗(yàn)結(jié)果如圖3 c）、3 d）所示。其中，圖3 c）為每個(gè)語(yǔ)音數(shù)據(jù)文件與水聲目標(biāo)數(shù)據(jù)文件交替讀取識(shí)別，而圖3 d）為數(shù)據(jù)文件隨機(jī)讀取識(shí)別結(jié)果。

圖3的4個(gè)識(shí)別結(jié)果中都包含4個(gè)子圖，從下到上分別是時(shí)域信號(hào)幅值、在時(shí)域信號(hào)上計(jì)算得到的短時(shí)頻譜Pearson 相關(guān)系數(shù)方差、初始未經(jīng)過(guò)平滑處理的識(shí)別結(jié)果和算法的最終識(shí)別結(jié)果。

每個(gè)圖中，第1 個(gè)和第2 個(gè)子圖的縱坐標(biāo)分別表示實(shí)驗(yàn)對(duì)目標(biāo)的判斷結(jié)果。

子圖縱坐標(biāo)取值中，1 表示識(shí)別結(jié)果為水聲目標(biāo)輻射噪聲信號(hào)；2 表示采用多閾值方法但未進(jìn)行結(jié)果平滑時(shí)被識(shí)別為水聲目標(biāo)信號(hào)待定信號(hào)；3 表示語(yǔ)音信號(hào)待定信號(hào)；4表示識(shí)別結(jié)果為語(yǔ)音信號(hào)。

從圖3 中可以看出，算法對(duì)不同類型和不同工況下的水聲目標(biāo)信號(hào)以及對(duì)不同說(shuō)話者的語(yǔ)音信號(hào)都取得了較好的識(shí)別效果，對(duì)不同組合方式形成的混合信號(hào)也取得了準(zhǔn)確的識(shí)別結(jié)果。

為了量化該算法的判別精度，將正確判別信號(hào)時(shí)間和信號(hào)總時(shí)間進(jìn)行比較，即：

對(duì)所有實(shí)驗(yàn)數(shù)據(jù)信號(hào)處理后的結(jié)果如表1 所示。從表1 中可以看出，基于時(shí)域信號(hào)樣本熵的語(yǔ)音信號(hào)與環(huán)境噪聲信號(hào)判別算法取得了較高的穩(wěn)定精度。

表1 語(yǔ)音信號(hào)與輻射噪聲信號(hào)判別結(jié)果Tab.1 Discrimination results of voice signal and radiated noise signal %

5 結(jié)論

本文通過(guò)分析語(yǔ)音信號(hào)與船舶工作環(huán)境噪聲信號(hào)的不同產(chǎn)生機(jī)理，利用2 種信號(hào)在時(shí)域時(shí)間序列中出現(xiàn)新信息量的大小和變化幅度不同，通過(guò)信號(hào)樣本熵實(shí)現(xiàn)了2種信號(hào)的判別。本文僅使用樣本熵一個(gè)特征，避免了多特征之間的相關(guān)性帶來(lái)的不確定因素以及特征值的計(jì)算帶來(lái)的計(jì)算量較大等不足，通過(guò)大量實(shí)測(cè)數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證，算法取得了理想的判別結(jié)果。