Page 190 - 《应用声学》2023年第3期
P. 190
628 2023 年 5 月
声波的产生和传播机理研究以及次声事件的影响
0 引言
和防治策略都有重要意义。特别是本研究使用的
次声是指频率低于 20 Hz 的声信号。自然环境 NMF 方法处理结果是在可靠的先验信息标注的多
与人类社会中广泛存在着次声信号，许多物理现象 条数据库上获得的，其目的在于提取目标信号的基
在发生和发展过程中都会伴随低频次声信号的产 本组成部分，分别作为不同类信号的特征。特征提
生，例如自然活动中的地震、台风、闪电、火山喷发 取后使用 SVM 等分类器完成识别分类任务，是次
和海啸以及人类活动中的核和化学爆炸、火箭发射、 声监测的重要环节，也是大气次声学的一项基础性
飞机起飞等事件 [1] 。从灾害预防的角度看，对次声 研究。
信号的识别分类能够起到预警的作用；在军事对抗
领域，通过次声信号来识别敌对方的军事活动对国 1 特征提取算法及分类模型
防安全具有十分重要的意义。
1.1 NMF理论
自 1996 年全面禁止核试验条约组织 (Com-
NMF 是一种广泛应用于图像识别、语声增强
prehensive nuclear-test-ban treaty organization,
以及声事件识别等领域的算法 [8−10] ，其基本框架由
CTBTO) 成立以来，次声成为国际监测系统 (In-
ternational monitoring system, IMS)所使用的4种 Lee 等 [11] 提出。定义非负矩阵 V ∈ R f×t ，此处非
主要监测核爆的手段之一，利用机器学习方法对次 负的含义是指 V 中的任一元素 V ij > 0。NMF 的目
声信号进行识别分类的研究也由此展开 [2] 。对于次 的是希望得到两个非负矩阵 W 与 H，同时保证二
声信号的识别分类任务而言，由于样本数量较少，因 者乘积与一个V 尽可能接近：
此研究的关键问题在于信号的特征提取 [3−4] 。吴涢 V ≈ W H. (1)
晖 [5] 采用了 8 种不同的特征提取方式对化学爆炸、
在本文中，V 为原信号经短时傅里叶变换
闪电和台风 3 类事件进行处理，对比了支持向量机
(Support vector machines, SVM)、BP神经网络、长 (Short-time Fourier transform, STFT) 后得到的时
短时神经网络和卷积神经网络(Convolutional neu- 频图，而 W ∈ R f×d 与 H ∈ R d×t 则表示经训练后
ral network, CNN) 4 种分类器的分类性能，结果表 从数据中学习到的特征，其具体含义往往与实际问
明SVM的识别性能最好。同时指出，其构建的分类 题相关。W 可以认为是 V 中的基本组成部分，被
流程对人工设计的特征有较高的要求，需要研究人 称为字典矩阵，其列向量被称为字典原子；而 H 被
员对各种信号的特征进行深入的研究和挑选，以找 称为激活矩阵，表示在 V 中这些部分在相应时间
出区分度较大的特征。 点上的线性组合计权，其行向量被称为字典原子的
谭笑枫等 [6] 以数据驱动为出发点，采用 CNN 激活系数；参数 d 则表示字典矩阵中字典原子的个
进行特征提取、模型训练和识别分类，以简化特征 数 [12−13] ，此时有
设计过程，其提出的方法在 CTBTO 提供的化爆与
V = w 1 h 1 + w 2 h 2 + · · · + w d h d , (2)
地震两类次声数据集上达到了82.72%的准确率，但
该方法对数据量的要求较高，难以应用于小样本数 式 (2) 中，w i 与 h i 分别为字典原子与相应的激活系
据集的情况。本文从矩阵分解的角度，考虑采用浅 数。由于通常设定 d ≪ min(f, t)，即只用很少的字
层的模型对次声信号进行特征提取，以适用于小样 典原子来描述原信号，因此只有在 W 包含了原信
本场景下的次声信号分类任务。 号中最主要的组成时，才会使得式(1)成立 [12] ，本文
戴翊靖等 [7] 考虑到次声信号特性与样本量小 将这些表示原信号基本部分的字典原子作为特征
的特点，采用非负矩阵分解 (Non-negative matrix 输入，采用SVM等分类器进行识别分类任务。
factorization, NMF) 进行次声降噪。该方法的研究 W 和 H 可通过最小化 V 与 W H 之间的距离
对象为一段混合的次声信号，将预训练的平稳噪声 度量函数得到，即求解如下的优化问题 [11] ：
作为监督项，通过 NMF 方法将信号中的目标部分
min D(V ∥W H) s.t. W , H > 0, (3)
与噪声部分分离，然后恢复目标信号。其目的在于 W ,H
获得较高信噪比的目标信号，以便于后续的次声监 式 (3) 中，D 表示 V 与 W H 之间的距离度量函数，
测任务。本文聚焦于分类的具体应用，对于大气次 其定义为
