Page 193 - 《应用声学》2023年第3期

第 42 卷 第 3 期 孟子轩等： 基于非负矩阵分解的次声信号分类方法 631

50 50
45 45
40 40
35 35
30
30
ᮠဋ/Hz 25 ᮠဋ/Hz 25
20
15 20
15
10 10
5 5
0 0
5 10 15 20 25 30 35 40 45 50 20 40 60 80 100 120 140 160
௑ᫎ/s ௑ᫎ/s
(a) ྐཁηՂ (b) ڡ᭎ηՂ
50 50
45 45
40 40
35 35
ᮠဋ/Hz 30 ᮠဋ/Hz 30
25
25
20 20
15 15
10 10
5 5
0 0
5 10 15 20 25 30 35 40 45 50 5 10 15 20 25
௑ᫎ/s ௑ᫎ/s
(c) ᫅ႃηՂ (d) гКηՂ

图 3 4 类信号时频图
Fig. 3 The spectrograms of four kinds of signals

以上仍有部分信号，主要部分明显地集中在5 Hz 和 值，上下两条虚线则分别表示全部事件度量函数值
15 Hz 左右，分成了两个部分；再入事件的频率则分 的上下限。为了保证特征能够充分反映原始信号，
布在 15 Hz 以下，主要部分在 5 Hz 以下，持续时间 要求选取的迭代次数使得信号的距离度量函数充
较短。从时频图上可以看出各信号之间存在明显差 分收敛。从图 4 中可以看出，经过 50 次迭代后度量
异。由于各个信号均为实际采集信号，则不可避免
地混有了噪声成分，这干扰了识别分类任务。为了
10 6
找出目标信号的主要部分，同时对原始数据进行降
维，需要进行特征提取工作。图3中呈现的4类次声 10 5
波频谱随时间的变化，和持续时间的长短都有显著 10 4
的差异，其形成机制复杂，本研究尚未涉及，暂时搁
置，留待进一步的研究。 ए᧚Ѧ஝ϙ 10 3
本文采用 NMF 对图 3 所示的 4 类信号时频图 10 2
进行特征提取。在NMF 中，字典原子个数 d是需要
10 1
预先设置的参数，可采用经验的参考取值 [20] ，但在
实际应用时仍需进行调整。首先对图 3 所示的 4 类 10 0 0 50 100 150 200 250
信号进行 NMF 分解，采用欧几里得距离作为代价 ᤖ̽൓஝
函数，迭代次数设置为 200 次，在 d = 8 时得到的爆 图 4 爆炸信号收敛曲线
炸信号收敛曲线如图4所示。 Fig. 4 The convergence curves of four kinds of
图4 中黑实线表示全部事件的度量函数值平均 explosion signals