迭代維納濾波在水聲信號分離中的應用*

納杰斯 王心怡

(昆明船舶設備研究試驗中心 昆明 650051)

?

迭代維納濾波在水聲信號分離中的應用*

納杰斯 王心怡

(昆明船舶設備研究試驗中心 昆明 650051)

論文對迭代維納濾波在水聲信號分離中的應用進行了研究，并根據特定目標聲源信號的聽覺特征先驗知識，采用水聲信號的聽覺特征參數匹配度作為迭代收斂判據。迭代濾波能夠逐漸消除干擾聲源信號，模擬人類聽覺系統的注意力機制，使濾波結果的聽覺特征最大程度地與目標聲源匹配。仿真試驗結果表明，這種迭代維納濾波方法在有干擾聲源存在的情況下可以有效實現水聲信號分離。

迭代維納濾波; 信號分離; 聽覺特征

Class Number TN911.7

1 引言

在多個水下聲源同時存在的情況下，要對其中感興趣的信號進行方向、具體參數等估計，需要設法消除其他聲源的影響，因此信號的提取、分離或增強是水聲信號處理中的重要問題[1]。在多個聲源的情況下，對目標信號的干擾主要來自其他聲源的信號，干擾信號是有色的，與目標信號可能具有相似的譜分布和相當的聲源級，與目標信號也不是相互獨立的，因此干擾聲源信號的抑制具有較大的困難[2]。

人類的聽覺系統在處理這種問題時，能夠迅速提取出感興趣的目標信號的特征，并將注意力集中在目標信號上[3]，在水聲信號分離方法中模擬聽覺系統的注意力機制，可以有效提高信號分離處理能力[4]。本文采用迭代維納濾波進行水聲信號分離，并引入信號的聽覺特征參數匹配度作為迭代收斂判據，在特定目標聲源信號的聽覺特征事先獲得的前提下，能夠有效控制迭代過程，使迭代濾波結果與目標聲源的聽覺特征匹配度達到最優。

2 迭代維納濾波器

Lim，Oppenheim，Hansen等人所使用的迭代維納濾波是一種基于全極點參數估計增強方法，這種濾波方法主要對在加性高斯噪聲背景中的目標聲源作最大后驗概率(MAP)估計。本文討論只存在一個干擾聲源的情況，濾波器的頻率響應為

(1)

其中Ps1(ω)和Ps2(ω)分別為目標信號和干擾信號的功率譜密度函數，Ps2(ω)可以在不含目標的信號時段獲得，而Ps1(ω)卻無法獲得，因此在迭代中，把含有干擾的主通道目標信號y1(t)作為第一次迭代的目標信號，進行維納濾波，每一次濾波結果作為下一次迭代的目標信號，如圖1所示。

圖1 雙水聽器陣接收模型

在維納濾波中引入時變步長因子αi，得到濾波器

(2)

(3)

(4)

步長因子的初值α0與兩個通道接收信號的信噪比有關，通?？梢匀?/p>

其中PSIR1和PSIR2分別為兩個水聽器接收信號的信噪比，可以由只有目標信號存在和只有干擾信號存在時的接收信號進行估算。

隨著迭代進行，主通道中的干擾信號成分逐漸減少，要引入有效的收斂判據，對濾波結果進行判斷比較，使最終的濾波結果最接近原始的目標信號。

3 水聲信號分離的迭代收斂判據

尋找具有良好性能的水聲信號聽覺特征是保證迭代收斂正確的重要環節[5]。特征參數的選擇應該具有以下特點：具有很高的區分能力，能夠充分體現不同的聲源之間的差異，而對同一個聲源的信號在狀態變化時保持相對穩定；特征參數在受到環境噪聲和信道變化時能夠保持穩??；易于計算和提取，維數盡量少；不易被模仿等[6]。對于水聲信號，可以使用的特征包括線譜、線性預測系數(LPC)、Mel頻率倒譜系數(MFCC)等。根據研究，使用MFCC作為特征參數，在不同環境下可以保持較好的穩定性，對于不同聲源的信號具有較好的區分能力[7]，因此本文采用MFCC作為水聲信號聽覺特征。MFCC參數的計算過程就是將信號通過臨界頻帶濾波器組，然后轉換到倒譜域，其流程如圖2所示。

圖2 MFCC參數提取過程

對信號進行分幀，每一幀信號經過迭代濾波后，計算濾波結果的MFCC參數向量，為了衡量濾波結果與目標聲源信號特征的匹配程度，需要使用信號特征的參數距離，對于MFCC參數，可以使用歐氏距離來衡量，即

(5)

X和Y為特征參數向量。

在信號分離過程中，對每一步迭代濾波的結果，生成相應的MFCC特征參數，與對應目標聲源的特征參數進行比較，計算參數距離，當某一次迭代結果的匹配度達到最小值時，就認為該濾波結果是最優的[8]，這一過程與人的聽覺系統將注意力集中于某一特定目標聲源的過程相似。

4 濾波器參數更新

由于水聲環境的變化、目標聲源和干擾聲源的位置移動，會使迭代維納濾波器中的參數H11(ω)、H12(ω)和α0發生緩慢變化，需要采取更新措施。本文使用的更新方式為：根據每段信號的迭代濾波結果，估計出H11(ω)/H12(ω)、PSIR1和PSIR2等參數，構成下一段信號的濾波器參數。

(6)

(7)

(8)

圖3 自適應濾波器

使用這些參數估計值進行下一段信號的迭代。

5 仿真試驗結果

對基于信號聽覺特征收斂判據的迭代維納濾波分離水聲信號的效果進行了仿真，目標信號和干擾信號的波形如圖4(a)和圖4(b)所示，兩個通道接收的混合信號波形如圖5(a)和圖5(b)所示。

圖4 目標及干擾聲源信號波形

分離出的目標聲源波形如圖6所示，原始目標聲源及分離出的目標聲源的MFCC向量如圖7所示，可以看出，分離的目標信號在聽覺特性上與原始聲源信號已足夠接近，可以認為成功分離[9]。

圖5 兩個通道接收的混合信號波形

圖6 分離出的目標聲源信號

圖7 原始目標聲源及分離出的目標聲源的MFCC向量

6 結語

當存在干擾聲源信號時，采用迭代維納濾波方法能夠分離出需要的目標信號，使用目標信號的聽覺特征參數MFCC作為迭代收斂判據，可以有效控制迭代過程，使迭代濾波結果與目標信號的聽覺特征匹配度最大，通過分段更新濾波器參數，使迭代濾波適應環境和聲源位置的變化[10]。仿真結果表明，在水聲信號分離中，基于迭代維納濾波的分離方法能夠獲得滿意的效果，具有較好的應用價值。

[1] LIM F S, OPPENHEIM A V. All-pole modeling of degraded speech [J]. IEEE Trans on ASSP,1978,26(3):197-210.

[2] CAO Y, SRIDHA Sridharan, MILES Moody. Co-talker separation using the “cocktail party effect” [J]. Audio Eng. Soc,1996,44(12):1084-1096.

[3] 柳革命,孫超,劉兵.基于線性預測倒譜的被動聲納目標特征提取技術[J].應用聲學,2007,26(5):277-281.

[4] 劉鵬,劉孟庵.艦船輻射噪聲節拍音色特征研究[J].聲學與電子工程,2007(2):4-7.

[5] 謝俊,胡均川.艦船噪聲聽覺節奏特征[J].應用聲學,2008,27(6):44-48.

[6] 王景芳.含噪語音實時迭代維納濾波[J].計算機工程與應用,2011(19):23-27.

[7] 張小波.基于維納濾波的圖像去噪算法研究[D].西安:西安電子科技大學,2014.

[8] 盧晶，沈春華，余凱.基于聽覺特性的迭代維納濾波在語音分離中的應用[J].應用聲學,2001,20(5): 1-5.

[9] 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:西北工業大學,2006.

[10] 任婕.含噪盲信號提取和分離技術研究[D].成都:電子科技大學,2012.

Application of Iterative Wiener Filtering for Sonar Signal Separation

NA Jiesi WANG Xinyi

(Kunming Shipbuilding Equipment Research and Test Center, Kunming 650051)

Iterative wiener filtering for sonar signal separation is researched in this paper. Based on the prior knowledge of the target acoustic signal’s auditory feature, the iterate is controlled by the matching degree of sonar signal auditory feature parameters. Iterative filtering attenuates interference signal continually to simulate the attention of human auditory system, and makes the matching degree between filtering output and target source signal maxim. Simulation result shows that the iterative filtering can separate sonar signal efficiently in the interference source signal environment.

iterative wiener filtering, signal separation, auditory feature

2016年5月5日,

2016年6月17日

納杰斯，男，碩士，工程師，研究方向：水聲信號處理。王心怡，男，碩士，高級工程師，研究方向：水聲信號處理。

TN911.7

10.3969/j.issn.1672-9730.2016.11.035