Page 20 - 《应用声学》2024年第6期

1196 2024 年 11 月

ᝫጷᬷ↼x i) 次声信号的上下文特征。同时不同类别、不同强度
的次声源的次声信号持续时间并不相同，如地震产
஝૶ᮕܫေ
生的次声信号常会持续 20 s 以上，而闪电产生的相
LSTM ࢦКՔ᧚ቇᫎ ↼f↼x i↽↽ 关次声信号通常只会持续几秒钟的时间。为解决可
ᎄᆊӭЋ 变时长次声信号的编码问题，充分利用长时次声信
号携带的信息，本方法采用 LSTM 模型作为基于原
൓ܦ͈̃
ዝԔی ए᧚ᡰሏ Ѭዝគ 型网络的次声事件分类模型的编码单元，对输入次
฾ត ฾តನవ ᝠካӭЋ ѿፇ౧ 声信号进行特征编码。LSTM 网络是一种时间循环
ನవ ࢦК᛫ᇨ
神经网络，但与一般的循环神经网络不同，LSTM网
᧝ѿӭЋ
络解决了一般的循环神经网络存在的长期依赖问
图 2 基于 LSTM 和原型网络的次声事件分类模型
题，形式上LSTM 网络具有一种重复神经网络模块
流程图
的链式结构。LSTM模型结构框图如图3所示。
Fig. 2 Flow chart of a prototype network-based
infrasound event classification model
ʍ ʍ
C t֓ ᝮॺӭЋ C t
模型的结构主要包含编码单元与度量计算单
ʍ tanh ᣥ
元。输入的次声信号数据x i 通过LSTM编码后得到 ѣ
᥌঄᫃ ʍ ᫃
样本在嵌入空间的向量表示 f(x i )。原型网络是一 f t i t ᣥК᫃C t o t
~
种基于度量的元学习方法 [16] ，是一种简单高效的小 σ σ tanh σ
h t
h t֓
样本学习方法，该网络的目标是学习到一个向量空
间来实现分类任务。基于原型网络的次声事件分类
x t
模型的基本思想是对每一个需要分类的次声事件
图 3 LSTM 网络结构
来创建一个次声事件类中心 (原型表示)。对于一个
Fig. 3 Long and short-term memory network
需要进行分类的查询样本，采用度量计算各分类类
别的原型表示与查询样本点的距离来进行确定。因 标准 LSTM 单元由遗忘门、输入门、输出门和
此，将上述次声信号样本的嵌入向量 f(x i ) 的均值 记忆单元组成。遗忘门的作用是决定从上一个细胞
作为各自的次声事件类原型。表达式如式(1)所示： 状态中丢弃什么信息。如式(4)所示：
m
1 ∑
c k = f (x i ), (1) f t = σ (W f · [h t−1 , x t ] + b f ) , (4)
m
i=1
其中，h t−1 为上一时刻的隐层输出，x t 表示 t 时刻
其中，c k 表示第 k 类的原型，m表示第 k 类样本训练
输入，W f 为待训练参数，b f 为偏置项，σ(·) 表示
集的个数。
sigmoid激活函数。
通过度量计算单元，计算各个次声信号样本 x i
输入门的作用是决定 t 时刻有多少新的信息需
的嵌入向量f(x i ) 到每个次声事件类原型 c k 的距离
˜
要记忆，包括两部分i t 与C t ，如式(5)、式(6)所示：
d(f(x i ), c k )，利用 softmax 生成次声信号样本 x i 为
各类别的概率。表达式如(2)所示： i t = σ (W i · [h t−1 , x t ] + b i ) , (5)
˜
exp (−d (f (x i ) , c k )) C t = tanh (W C · [h t−1 , x t ] + b C ) . (6)
. (2)
p (y = k|x i ) = ∑
exp (−d (f (x i ) , c k ))
′
k ′ 记忆单元的输出 C t 为遗忘门与输入门的结合，
进一步的，得到损失函数，如式(3)所示： 如式(7)所示：
˜
J = − lg (p (y = k|f (x i ))) . (3) C t = f t ∗ C t−1 + i t ∗ C t . (7)
分类模型中的编码单元采用LSTM实现。由于 LSTM 的输出为输出门 o t 与记忆单元 C t 的结
次声信号具有长时的特征，在分类任务中需要兼顾 合，如式(8)、式(9)所示：