Page 197 - 《应用声学》2023年第3期
P. 197
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 635
量函数下,训练集上的分类准确率随字典原子个数 降为一维信号,对于原始信号来说有较多的信息损
的增加而增加,但是在测试集上,分类准确率随字典 失,因此其识别的准确率并不高。在测试集上,采用
原子个数增加呈下降趋势。这是由于原始信号中实 NMF-SVM 进行分类的准确率最高,并且在字典原
际上包含了目标次声信号与噪声成分,而次声信号 子数较低时即取得了较好的结果。
的频率低、频带窄,目标信号与噪声信号的频带混 结果表明,对于次声分类这一小样本分类任务
合严重 [7] 。当字典原子数较低时,其取值主要由目 而言,采用过高维度的特征向量或过深的网络模型
标信号决定;而当字典原子数较高时,其取值同时 进行分类效果欠佳,很容易受到训练模型过拟合的
受到噪声影响。因此当较高维度的特征向量输入分 影响,因此应该采用较低维的特征向量与浅层的分
类器后,产生了过拟合现象,识别准确率下降。对于 类模型,以提高泛化能力,获得更好的分类性能。
CNN 来说,其训练集上的准确率较高,但在测试集
上效果并不好,平均准确率均在 70% 以下,这说明 3 结论
对于小样本的次声信号识别分类任务而言,采用较
对于小样本的识别分类任务,其关键问题在于
深度的复杂模型并不是一个理想的选择,其效果差
特征向量的设计。本文以严格标定的数据集为基础,
于SVM分类器。
针对爆炸、地震、闪电和再入这4类次声信号的识别
表 2 不同距离度量函数下的分类结果 分类问题,引入了 NMF 对次声信号进行特征提取,
Table 2 Classification results under dif- 并分别使用 SVM 与 CNN 作为训练模型进行分类。
ferent distance measurement functions 实验结果表明,NMF-SVM 在测试集上的平均准确
(单位: %) 率可以达到 83.13%,在当前数据集上获得了最佳的
性能,是一种适用于次声信号识别分类的方法。
采用分类器
距离度量函数
SVM CNN
欧几里得距离 80.41 66.25
参 考 文 献
广义 K-L 散度 83.13 69.82
IS 散度 78.84 65.31
[1] Pichon A L, Blanc E, Hauchecorne A. Infrasound monitor-
2.3.3 实验结果分析 ing for atmospheric studies[M]. 2nd edition. Netherlands:
Springer, 2019.
两组实验在测试集上的分类结果对比如图 8所 [2] 吴涢晖, 邹士亚, 庞新良, 等. 应用支持向量机和人工神经网络
示,图中增加了采用一维 CNN 对 HMS 特征进行分 对大气次声信号识别的初步实验 [J]. 应用声学, 2020, 39(2):
类的结果。从图 8 中可以看出,基于 HMS 的方法虽 207–215.
Wu Yunhui, Zou Shiya, Pang Xinliang, et al. Experimen-
然提高了时频分析的分辨能力,但其特征提取的
tal study on atmospheric infrasound signal recognition us-
方式较为直接,采用幅值相加的方式将全部分量值 ing SVM and ANN[J]. Journal of Applied Acoustics, 2020,
39(2): 207–215.
100
[3] Li M, Liu X, Liu X. Infrasound signal classification based
SVM
CNN on spectral entropy and support vector machine[J]. Ap-
80 plied Acoustics, 2016, 113: 116–120.
[4] 文雨迪. 小样本次声信号的模式分类研究 [D]. 北京: 中国科
学院国家空间科学中心, 2019.
юᆸဋ/% [5] 吴涢晖. 核爆次声检测信号处理技术研究 [D]. 北京: 军事科
60
学院, 2020.
40
[6] 谭笑枫, 李夕海, 刘继昊, 等. 基于一维卷积神经网络的化爆
和地震次声分类 [J]. 应用声学, 2021, 40(3): 457–467.
20
Tan Xiaofeng, Li Xihai, Liu Jihao, et al. Classification of
chemical explosion and earthquake infrasound based on
0
HMS NMF 1-D convolutional neural network[J]. Journal of Applied
ਫ਼ၹྲढ़ Acoustics, 2021, 40(3): 457–467.
[7] 戴翊靖. 基于非负矩阵分解的次声探测降噪技术研究 [D]. 北
图 8 两组实验分类结果对比
京: 中国科学院声学研究所, 2021.
Fig. 8 Comparison of classification results of two [8] Guillamet D, Schiele B, Vitrià J. Analyzing non-negative
groups of experiments matrix factorization for image classification[C]. Pattern