Page 80 - 201806

910 2018 年 11 月

法，它的稳定性与高识别率使得其在语音识别领
1 引言 域得到了广泛应用。MFCC 特征提取的流程如图 1

所示。
近年来，随着无人驾驶飞行器研制技术的发展，
小型无人机等低空飞行器得到了广泛的应用，但同 ᮃᮠನవ ᮕҫ᧘ Ѭࣝ ҫቔ Ϭ᧗Ձԫ૱
时也给公共安全带来了严重威胁，因为这类低空飞 ྲढ़Ք᧚
.'$$ ሏங͸ऺԫ૱ ࠫ஝ԫ૱ ೏࠷໚ฉ
行器能够携带化学、生物或核攻击武器，还可以被
用来在边境偷运毒品或从事其他非法活动 [1] 。低空 图 1 MFCC 特征提取流程图

的监测防御技术成为了各国研究的热点，由于复杂 Fig. 1 Feature extraction procedure using MFCC
的城市环境，针对低空、超低空目标，雷达等基于无 technique
线电技术的大型监测系统性能表现并不理想，并且 梅尔滤波的作用就是将信号从线性频域转换
该类系统普遍存在工艺复杂、制造成本高昂、便携 到梅尔域。它和线性频率之间的转换关系为
( f )
性差等缺陷 [2] 。出于方便性、廉价性考虑，使用麦克 F Mel = 2595 lg 1 + . (1)
700
风阵列，基于声学的低空飞行器探测和识别方案得
人耳就像一个滤波器组，它只关注某些特定的
到越来越多的研究，这种方法不依赖于飞行器的尺
频率分量，也就是说人的听觉对频率是有选择性的，
寸与位置，而是基于螺旋桨的声音，可以对飞行器做
它只让某些频率的信号通过，忽略掉不想感知的某
出有效的侦测与识别。
些频率信号。所以滤波器在频率坐标轴上并不是统
如何更好地提取到飞行器声信号的特征是
一分布的，在低频区域有很多的滤波器，它们分布比
低空飞行器监测系统要解决的首要问题，特征 较密集，但在高频区域，滤波器的数目就变得比较
提取是在声音信号中提取有价值信息，剔除无 少，分布很稀疏。图 2 为线性频率与梅尔频率的转
用细节，组成特征向量来代表该音频样本。主流 换曲线。
的声信号特征提取方法有谐波 (Harmonic line as-
3500
sociation, HLA) [3−4] 特征提取、基于小波包变换
3000
(Wavelet packet transform, WPT) [5] 的特征提取方

法、梅尔倒谱系数 (Mel-frequency cepstrum coeffi-
2000
cient, MFCC) [6−8] 特征提取，其中，MFCC 方法是 ೏࠷ᮠဋ/Mel 2500
在与人耳听觉机理相符的梅尔域进行特征提取。该 1500
1000
方法在语音识别系统中得到广泛的应用，由于其
性能稳定，识别率高，也被引入水下声目标识别的 500
应用中。文献 [9] 将小波变换与 MFCC 特征提取技 0 0 2 4 6 8 10
术相结合用于水下声呐信号的特征提取；文献 [10] ጳভᮠဋ/kHz
将 MFCC 特征提取技术用于舰船以及海洋生物的 图 2 线性频率与梅尔频率的转换曲线
识别；文献 [11] 介绍了多种针对小型低空飞行器的 Fig. 2 Transition curve for linear frequency - Mel
声信号特征提取技术，并着重分析了听觉感知特征 frequency
提取方法。本文将 MFCC 方法应用在低空飞行器 在各帧的音频样本序列经过梅尔滤波之后，信
的声信号特征提取中，并针对飞行器的频谱特征对 号从频率域就转变到梅尔域，再对其作取对数处理，
MFCC 使用的线性频率到梅尔频域转换函数进行 使用的公式如下：
( )
改进。 N−1 2
∑
s (m) = ln R FFT (k) H m (k) ,

i
k=0
2 MFCC特征提取方法
1 6 m 6 M, (2)
MFCC 特征提取技术是在倒谱技术上依据人 其中，R FFT (k) 表示进过傅里叶变换后的频谱；
i
耳的感知特性进行改进而提出的一种特征提取算 H m (k)表示梅尔滤波器组；N 是对R FFT (k)做FFT
i