一種視聽融合的水下目標識別方法研究

馬理想，曾向陽

?

一種視聽融合的水下目標識別方法研究

馬理想，曾向陽

（西北工業(yè)大學航海學院，陜西西安710072）

特征提取是水下目標識別研究中最為關鍵的技術之一，特征參數(shù)的優(yōu)劣將直接決定分類識別系統(tǒng)的性能。將聲信號的聽覺與視覺感知特征結合，應用于水下目標識別，通過實驗得出如下結論，相比于單獨應用聽覺特征，融合特征的平均識別率能提高4%~6%以上，特別是將聽覺特征與聲譜圖的Gabor小波變換特征、灰度-梯度共生特征進行融合后，分類性能較好，平均達到87%以上。

水下目標識別；聽覺特征；可視化；圖像特征；特征選擇

0 引言

目標識別是現(xiàn)代聲吶和水聲對抗的重要組成部分，而特征提取是目標識別的關鍵。經過多年的發(fā)展和積累，目前已提出了不少特征提取方法。早期提出的有時域波形結構特征[1]，主要參數(shù)有過零率、峰間幅值分布、波長差分布、波列面積等，該方法實現(xiàn)過程較為容易，但對一些復雜的水下噪聲信號的分類識別顯得無能為力。后來又發(fā)展了基于譜估計[2,3]的特征提取方法，包括經典譜估計、現(xiàn)代譜估計、倒譜分析、DEMON譜、LOFAR譜分析等。功率譜和相關函數(shù)是二階統(tǒng)計特性，在隨機過程是正態(tài)分布時，它們能完全代表過程的特性。但實際的水聲信號或噪聲往往不是理想的高斯分布，用二階統(tǒng)計特性不能全面描述信號特性，只有高階統(tǒng)計特性(Higher-Order Statistics, HOS)才能更全面地反映非高斯信號的特性。

傳統(tǒng)的傅里葉變換有時間積分作用，平滑了非平穩(wěn)隨機信號中的時變信息，因而其頻譜只能代表信號中各頻率分量的總強度。采用短時傅里葉變換 (Short-Time Fourier Transform, STFT)對時變信號逐段進行分析，雖具有時頻局部化性質，但其時間分辨力和頻率分辨力是互相矛盾的，不能兼顧。而小波變換通過對原小波的平移和伸縮，能使基函數(shù)長度可變，因而可獲得不同的分辨力。基于其高分辨力的特點，可以提取多種小波特征[4]。

近年來，隨著人們對人耳聽覺模型研究的深入及人工智能的迅速發(fā)展，基于人耳聽覺特性[5]的特征提取方法成為了研究的熱點，由此得到的特征參數(shù)有：梅爾頻率倒譜系數(shù)(Mel Frequency Cepstrum Coefficient, MFCC)、感覺加權線性預測(Perceptual Linear Predictive, PLP)、響度、尖銳度、粗糙度以及波動強度等。此外，在對人耳聽覺模型進行深入研究后，例如Gammatone基底膜模型、Meddis內毛細胞模型，可以得到更多相關的聽覺特征參數(shù)。不過，由于人耳聽覺機理還是一個尚未完全破解的難題，這方面的研究還有很大的空間。

本文有別于傳統(tǒng)的聲學特征提取方法，嘗試先將獲得的聲信號轉化為圖像，再提取圖像特征[6]，然后將提取出的圖像特征與傳統(tǒng)的聽覺特征進行融合，最后將融合后的特征用于水下目標識別。由于圖像屬于二維信號，相比于一維時間序列可能包含更多的特征信息，且圖像特征提取與識別已有大量成功的應用，這種視聽特征融合的方法有望獲得更好的識別性能。

本文在對三類水下目標(A：艦船；B：潛艇；C：UUV)聽覺特征和可視化特征進行識別正確率分析的基礎上，最終選擇了識別率較高的三種聽覺特征，即16維響度特征、9維PLP特征和11維MFCC特征，分別與信號聲譜圖的5維Gabor小波特征以及15維的灰度梯度共生矩陣特征融合，比較各融合特征的識別正確率以及魯棒性。

1 聽覺特征提取

1.1 響度特征

響度描述的是聲音的響亮程度，表示人耳對聲音的主觀感受。Zwicker計算方法[7]是經典的響度計算方法。在計算響度時要考慮掩蔽效應，相關的一個重要物理量是臨界頻帶，單位：Bark。通常把20 Hz~16 kHz的頻率范圍劃分為24個臨界頻帶。頻率小于500 Hz時，臨界頻帶1 Bark帶寬約等于100 Hz；頻率大于500 Hz時，1 Bark帶寬為該臨界頻帶中心頻率的20%。轉換公式如下：

式中：為臨界帶寬的中心頻率；為臨界頻帶的帶寬。

1.2 PLP特征

PLP特征參數(shù)是一種基于聽覺模型的特征參數(shù)。該特征參數(shù)是全極點模型預測多項式的一組系數(shù)，等效于一種線性預測系數(shù)(Linear Prediction Coefficient, LPC)特征。不同之處是PLP技術將人耳聽覺實驗獲得的一些結論，通過近似計算的方法進行了工程化處理，將輸入的語音信號經聽覺模型處理后所得的信號替代傳統(tǒng)的LPC分析所用的時域信號。這樣處理后的語音頻譜考慮了人耳的聽覺特點，因而有利于抗噪特征提取。

1.3 MFCC特征參數(shù)

與普通倒譜分析不同的是，MFCC分析與人耳的聽覺特征緊密聯(lián)系，這是因為人耳所聽到聲音的高低與聲音頻率并不呈線性正比關系，而用Mel頻率尺度則更符合人耳的聽覺特征。Mel頻率尺度的值大體上對應于實際頻率的對數(shù)分布關系，兩者的具體關系可用式(2)表示：

式中：f為頻率；臨界帶寬隨頻率的變化而變化，并與Mel頻率的增長一致，在1000 Hz以下大致呈線性分布，帶寬為100 Hz左右；在1000 Hz以上呈對數(shù)增長。圖1顯示了Mel頻率與線性頻率的關系。

2 信號的可視化及可視化特征提取

2.1 信號聲譜圖

聲譜圖是一種重要的時頻圖，它反映了聲信號的動態(tài)頻譜特征，在語音信號中被視為可視語言。聲譜圖一般分為寬帶聲譜圖和窄帶聲譜圖，是一張有顏色或灰度變化的二維圖。圖2為某類水下目標信號的聲譜圖。圖中橫坐標表示時間，縱坐標表示頻率，圖像中的灰度值代表某時刻對應該頻率處的能量，此處為短時傅里葉變換幅度的平方。

這種時頻分布圖經過灰度處理后，可以利用圖像特征提取方法提取特征參數(shù)。

2.2 信號的可視化特征

2.2.1灰度-梯度共生矩陣特征

基于灰度共生矩陣可以得到灰度-梯度共生矩陣[8]，從中提取的特征參數(shù)對于邊界不清晰的圖像具有較好的分類效果[9]。灰度-梯度共生矩陣集中反映了圖像中像素的灰度和梯度的相互關系，各像素的灰度是構成一幅圖像的基礎，而梯度則是構成圖像邊緣輪廓的要素。灰度-梯度空間可以清晰地表現(xiàn)圖像內像素灰度與梯度的分布規(guī)律，同時也體現(xiàn)了各像素與其領域像素的空間關系，對圖像的紋理能很好地描繪。灰度-梯度共生矩陣紋理分析方法是利用圖像的灰度和梯度的綜合信息提取紋理特征。表1所示為幾種灰度-梯度特征的計算公式。

表1 灰度-梯度共生矩陣的中部分參數(shù)的數(shù)字特征

2.2.2 Gabor小波特征

Gabor小波特征是根據(jù)模擬人類視覺系統(tǒng)而產生的。通過模擬人類視覺系統(tǒng)，可以將視網膜成像分解成一組濾波圖像，每個分解的圖像能夠反映頻率和方向在局部范圍內的強度變化。通過一組多通道Gabor濾波器，可以獲得紋理特征。

由于小波變換在數(shù)字圖像中局部區(qū)域的頻率和方向信息提取方面有優(yōu)異的性能，因此，一些學者們將其用于圖像的紋理特征提取中，并且取得了非常滿意的效果。最為常用的做法就是對圖像進行小波變換后，從小波子帶中提取平均值以及方差作為紋理特征。雖然小波分析取得了不錯的效果，然而與Gabor濾波器組相比而言，還存在不足。Gabor變換已被證明是在二維測不準情況下，對信號空間域和頻率域的最有力描述。這些濾波器可以當作方向和尺度都可變化的邊緣和直線的檢測，并且對一個給定區(qū)域中的這些微觀特征的統(tǒng)計，經常可以用來表示紋理信息的特征。其優(yōu)點在于，能夠很好地模擬哺乳動物視皮層簡單細胞的感受域，符合視覺生理特點，能獲得頻域和空域的最佳聯(lián)合分辨率。

3 實驗研究

3.1 融合特征的實驗對比

由所選取的聽覺和可視化特征自由組合可以得到六種融合特征，分別是響度(16維)-灰度梯度共生矩陣特征(15維)、響度(16維)-Gabor小波變換特征(5維)、PLP(9維)-灰度梯度共生矩陣特征(15維)、PLP(9維)-Gabor小波變換特征(5維)、MFCC(11維)-灰度梯度共生矩陣特征(15維)、MFCC(11維)-Gabor小波變換特征(5維)。

針對A、B、C三類水下目標輻射噪聲信號，分別選取100個訓練樣本和100個測試樣本，即訓練樣本數(shù)與測試樣本數(shù)之比為1:1。分類器為SVM算法。

實驗結果見表2和圖3，表3則是在單聽覺特征情況下系統(tǒng)的識別正確率。

圖3中系列1、2、3、4、5、6分別代表：MFCC-Gabor小波變換特征、MFCC-灰度梯度共生矩陣特征、PLP-Gabor小波變換特征、PLP-灰度梯度共生矩陣特征、響度-Gabor小波變換特征、響度-灰度梯度共生矩陣特征。

表2 聽覺特征與聲譜圖可視化特征的融合特征的識別率(%)

表3 單聽覺特征的識別率(%)

由以上結果可以看出，融合特征的識別率基本都在85%以上，其識別率都較單聽覺特征時的識別率高，最高達到89%，相比于單聽覺特征的最高識別率83%，提高了6%。

3.2 視聽融合特征的識別性能實驗研究

由3.1節(jié)可知，對于融合特征，聽覺特征與可視化特征進行融合所得的識別結果相對更好，其中表現(xiàn)最好的融合特征是PLP-Gabor小波變換特征、PLP-灰度梯度共生矩陣特征和響度-灰度梯度共生矩陣特征。為進一步檢驗這三組融合特征的穩(wěn)健性和抗噪性，以下進一步開展實驗研究。

(1) 訓練-測試樣本比對識別結果的影響

3.1節(jié)中介紹的融合特征測試時，使用的訓練和測試樣本比為1:1，這里再分別對測試樣本和訓練樣本為1:2和2:1時進行測試。實驗結果見表4。

由表4可知，PLP-Gabor小波變換特征和響度-灰度梯度共生矩陣特征在訓練和測試樣本變化的情況下，識別率變化相對較小，說明這兩類特征的魯棒性較好。

表4 不同訓練測試比下融合特征的的識別正確率(%)

(2) 融合特征的抗噪性能實驗

將測試信號分別加上高斯白噪聲，得到信噪比分別為-10、-5、0、5、10 dB的信號，利用測試實驗得出PLP-Gabor小波變換特征、PLP-灰度梯度共生矩陣特征和響度-灰度梯度共生矩陣特征的分類正確率，結果見表5，對應的曲線如圖4所示。圖4中，1、2、3分別代表PLP-Gabor小波變換特征PLP-灰度梯度共生矩陣特征、響度-灰度梯度共生矩陣特征。

表5 不同信噪比情況下融合特征的識別正確率(%)

從圖4可以看出，對各種特征而言，總體呈現(xiàn)出隨信噪比的增加識別率也逐漸增加的趨勢。其中，PLP-Gabor小波變換特征抗噪能力相對更優(yōu)。綜合以上兩方面可以認為，PLP-Gabor小波變換特征在視聽融合特征中具有相對更好的識別性能。

4 結語

通過本文的實驗結果可以看出，水下目標輻射噪聲信號聽覺特征和可視化特征的融合能夠有效地提高目標信號的正確識別率。下一步還將深入探討聲學特征與可視化特征之間的內在聯(lián)系，這有助于尋找更加有效的視聽特征。

[1] 蔡悅斌, 張明之, 史習智, 等. 艦船噪聲波形結構特征提取及分類研究[J]. 電子學報, 1999, 27(6): 129-131.

CAI Yuebing, ZHANG Mingzhi, SHI Xizhi, et al. The feature extraction and classification of ocean acoustin signals baned on wave stucture[J]. Acta Electronica sinica, 1999, 27(6): 129-131.

[2] 余秋星. 水下目標識別的相關技術研究[D]. 西安: 西北工業(yè)大學博士學位論文, 2004.

YU Qiuxing. Research on underwater target recognition[D]. Xi’an: Northwestern Polytechnical University dissertation, 2004.

[3] 余秋星, 李志舜. 艦船輻射噪聲的特征提取方法[J]. 魚雷技術, 2002, 10(6): 23-25.

YU Qiuxing, LI Zhishun. Characteristics extraction method of ship radiative noise[J]. Torpedo technology, 2002, 10(6): 23-25.

[4] 章新華. 基于小波變換的艦船輻射噪聲信號特征提取[J]. 聲學學報, 1997, 22(2): 139-144.

ZHANG Xinhua. Feature extraction of ship radiated noises based on wavelet tansform[J]. Acta Acustica, 1997, 22(2): 139-144.

[5] 王娜. 基于人耳主觀反應的聽覺特征量及其在目標識別中的應用[D]. 西安: 西北業(yè)大學碩士學位論文, 2009.

WANG Na. A feature extraction approach based on auditory properties and psychoacoustic model and its application in targets recognition[D]. Xi’an: Northwestern Polytechnical University dissertation, 2009.

[6] 何佳若, 曾向陽. 聲信號的可視化特征提取方法[J]. 電聲技術, 2011, 35(7): 61-64.

HE Jiaruo, ZENG Xiangyang. Method of extracting visualized features for sound signals[J]. Audio Engineering, 2011, 35(7): 61-64.

[7] Zwicker E, Fastl H. Psychoacoustics facts and models[M]. Spring Verlag Berlin Heidelberg, 1999.

[8] 洪繼光. 灰度-梯度共生矩陣紋理分析方法[J]. 自動化學報, 1984, 10(1): 15-18.

HONG Jiguang. Gray level-gradient cooccurrence matrix texture analysis method[J]. Acta automatica sinica, 1984, 10(1): 15-18.

[9] ZENG Xiangyang, HE Jiaruo, MA Lixiang. Image representation of acoustic features for the automatic recognition of underwater noise targets[C]// GCIS, 2012.

Study of underwater targets recognition based on audiovisual feature integration

MA Li-xiang, ZENG Xiang-yang

(,,710072,,)

Feature extraction is one of the most important techniques of underwater targets recognition. Feature parameters directly determine the performances of classification systems. In this paper, a joint method which combines the auditory and visualized feature extraction methods is proposed and applied to underwater target recognition after feature selection and fusion. Experimental resultsshow that fusion features achieve a better performance than a single audio feature, and the enhancement of recognition rate is 4%~6%, and that the fusion of audio feature with gray gradient co-occurrence matrix and Gabor small wave exchange feature can obtain an even better performance and the recognition rate is over 87%.

underwater targets recognition; auditory feature; visualization; image feature; feature selection

TB561

A

1000-3630(2015)-03-0209-05

10.3969/j.issn1000-3630.2015.03.004

2014-02-11;

2014-03-20

國家自然科學基金(11374241)、陜西省自然科學基金(2012JM1010)資助項目。

馬理想(1992－), 男, 安徽阜陽人, 碩士, 研究方向為聲信號處理。

馬理想, E-mail: malixiang1234@163.com