Page 124 - 应用声学2019年第2期

270 2019 年 3 月

以控制记忆细胞到网络其他结构单元的信息流；在 输入向量，通过有监督预训练 LSTM 模型，得到网
反向传播过程中，输入门用以控制迭代误差流出记 络模型参数最优解并保存，用以对未知类别噪声信
忆细胞，输出门用以控制迭代误差流入记忆细胞。 号进行识别分类，其流程图如图3所示。
而遗忘门则用以控制记忆细胞内部的循环状态，决
定信息的取舍或遗忘。通过这种门控机制，LSTM ᮕ ዝѿ
฾
网络得以控制单元内的信息流动，使其具备了保 Ѭ
ዝ Ѭዝ٨
存长时间信息的能力，即 “记忆” 能力，并使其在训
练过程中能够防止内部梯度受外部干扰，避免了梯 Ꭺፏവیྲढ़ വیᣥѣ
度弥散和梯度爆炸问题，其基本结构单元如图 2 所 വ
ی
示 [16] 。 ᝫ ܳࡏLSTMᎪፏ വی͖ӑ ૯ܿឨࣀ
ጷ
设单个 LSTM记忆块的输入向量为 x t ，输出向
ѳѬᝫጷ฾តᬷnjಖюӑ ေ᝷ᣥѣ
量为y t ，前向传播公式可表述为 [17]
(1)长期记忆单元C t 更新过程 Ѭࣝ/ၷੇMFCCྲढ़஝૶

f t = σ(W f × [h t−1 , x t ] + b f ), (8) ඵʾᄬಖ٪ܦ஝૶
i t = σ(W i × [h t−1 , x t ] + b i ), (9)
图 3 MFCC 智能识别分类流程图
˜
C t = tanh(W c × [h t−1 , x t ] + b c ), (10) Fig. 3 Intelligent recognition process of MFCC
˜
C t = f t · C t−1 + i t · C t , (11)
对水下声目标信号样本作分帧处理，依据公
其中，f t 代表遗忘门，i t 代表输入门。在每一个时刻，
式 (1)∼(7)MFCC 特征提取过程，获取各帧包含 36
遗忘门会控制上一时刻记忆的遗忘程度，而输入门
个特征参数的 MFCC 特征向量 T n ，这 36 个特征参
˜ ˜
则控制新记忆 C t 写入长期记忆的程度。f t 、i t 、C t
数由 12 个 MFCC 参数、12 个一阶差分梅尔频率倒
都是与上一时刻的短期记忆 h t−1 和当前时刻输入
谱系数和 12 个二阶差分梅尔频率倒谱系数共同组
x t 相关的函数，其中，σ 是 sigmoid 函数，取值范围
成；按各帧时间先后顺序，生成各样本 MFCC 特征
[0,1]，tanh 函数取值范围 [−1, 1]。另外，式 (8)∼(10)
数据D 作为LSTM网络输入向量，
中W f 、W i 、W c 分别为遗忘门、输入门及C t 更新过
程的权重参数，b f 、b i 、b c 分别为这三个过程对应的 D = {T 1 , T 2 , · · · , T m } , (14)
偏置参数。 其中，m为帧数。
(2)短期记忆单元h t 更新过程 基于 MFCC 特征的智能识别分类方法主要包

o t = σ(W o × [h t−1 , x t ] + b o ), (12) 括数据预处理、模型训练、预测分类几个功能模块。
通过前期数据预处理过程，获取目标噪声的
h t = o t · tanh(C t ), (13)
MFCC 特征向量，采用基于时间的反向传播 (Back
其中，o t 表示输出门，控制着短期记忆如何受长期
propagation trough time, BPTT) 算法，对 LSTM
记忆影响，式 (12)∼(13) 中 W o 、b o 分别为输出门的
网络展开训练，通过逐步减小模型输出与理论输出
权重和偏置参数。
误差，得到网络模型参数最优解，最终训练好的网络
1.3 MFCC特征智能识别分类 模型可用于对未知目标噪声的识别分类。该识别分

由于门控机制的作用，使LSTM 细胞单元具备 类过程全程不需要人的参与，通过对水下无人平台
“记忆” 能力，因此常被用来处理带有时间序列性质 加装具备 MFCC 特征提取及 LSTM 识别分类能力
的问题，如语音识别、自然语言处理等。水下声目标 的信号处理设备，将声学传感器实时获取的水下声
信号同样带有时间序列特性，另外，经分帧处理获取 信号进行 MFCC 特征提取，获取初始特征向量，作
的 MFCC 特征数据之间存在时空连续性。因此，本 为 LSTM 预测分类模型的输入，经模型的预测分类
文将获取的噪声信号 MFCC 特征数据作为 LSTM 过程，可实时获取所探测目标的类别属性。