Page 22 - 《应用声学》2024年第6期
P. 22

1198                                                                                2024 年 11 月


                                                                        表 2  LOTIS 训练集、测试集划分
             2 分类实验与结果分析                                          Table 2 The training set and test set di-
                                                                  vision of LOTIS
                 在实验开始前需对次声数据进行预处理,包括
             高通滤波滤除低频噪声,分帧进行短时傅里叶变换。                                 大气重力波 山体相关次声 微气压相关次声 火山爆发次声
             本文使用的数据集中训练集与测试集的比例为 7:3,                                (AGW)    (MAW)       (MB)        (VE)
                                                               训练集      80       77          47         45
             在训练时采用四折交叉验证的方式进行模型选择。
                                                               测试集      35       33          20         20
             识别分类实验包括两部分,分别是公开次声事件数
                                                                总计     115       110         67         65
             据集的分类识别实验和实地采集的次声事件数据
             集的分类识别实验。在应用原型度量进行次声信号
                                                                              表 3  欧式距离度量
             分类时,除需要确定原型网络编码单元 LSTM 的相                                   Table 3 Euclidean distance
             关参数外,还需要考虑度量计算单元的度量函数的
                                                                                                (单位: %)
             选择。本文比较了以欧几里得距离和余弦相似度为
                                                                                        隐层维度
             度量计算单元的次声信号分类效果以及训练阶段                                   隐层层数
                                                                                32     64    128    256
             损失函数的收敛速度,以确定度量计算单元的度量
                                                                        1      67.54  74.12  75.36  77.35
             函数的最终选择。
                                                                        2      69.16  73.29  86.11  88.52
             2.1 实验次声数据来源                                               3      79.58  92.62  98.32  98.67

                 本文实验采用的数据有两个,分别为开源的                                    4      89.44  95.27  97.89  93.47
             典型次声事件信号库 (Library of typical infrasonic                   5      92.32  96.49  91.65  88.90
             signals, LOTIS) [17]  和实地布阵采集的次声信号。                        6      91.89  95.58  87.53  82.43
                 LOTIS 数据集包括极光引发的大气重力波                                  7      92.17  96.05  88.26  84.88
             (Atmosphere gravity wave, AGW)115 条、山体相
                                                                             表 4  余弦相似度度量
             关次声 (Mountain associated wave, MAW)110 条、
                                                                          Table 4 Cosine similarity
             微气压相关次声 (Microbaroms, MB)67 条、火山爆
             发产生的次声(Volcanic eruption, VE)65 条,4类次                                              (单位: %)
             声信号数据。                                                                     隐层维度
                                                                     隐层层数
                 实采数据集是由次声监测台阵采集到的次声                                            32     64    128    256
             时域信号,包括爆炸次声信号 (Explosion, EP)17                            1      68.71  74.55  74.68  76.53
             条、地震次声信号 (Earthquake, EQ)22 条、闪电                           2      68.46  74.49  84.08  87.62

             信号 (Lighting, LT)115 条、火箭再入信号 (Rocket                      3      79.17  90.15  97.96  97.54
             re-entry, RE)10条。                                          4      88.38  96.45  98.15  90.77
                                                                        5      91.41  96.37  93.39  89.52
             2.2 LOTIS数据集分类结果及分析
                                                                        6      91.92  95.67  85.47  83.63
                 LOTIS作为公开数据集,数据集中同类次声事
                                                                        7      90.11  96.18  87.62  81.28
             件样本的长度是一致的,这里对LOTIS数据集进行
             实验,主要目的是利用拥有更多数据的数据集,确定                               LOTIS 数据集次声分类实验主要对编码单元
             最终的模型结构,随后在实采数据集中验证本方法                            LSTM 的隐层层数以及隐层维度进行分析。根据
             的泛化性能。LOTIS 数据集训练集、测试集划分如                         表 3 和表 4 的实验结果,当编码单元 LSTM 的隐层
             表2所示。                                             层数为 3 层及以上时,应用原型度量方法的次声信
                 编码单元 LSTM 不同的隐层层数以及隐层维                        号分类器可以取得较好结果。编码单元LTSM的隐
             度,在欧式距离度量单元和余弦相似度度量单元下                            层维度为 32维时,分类效果远低于编码单元 LSTM
             的平均识别准确率如表 3 和表 4 所示 (平均识别准                       采用更高维度时的次声信号分类器,后续分析中不
             确率为在相同条件下进行 100次分类实验后得到的                          予考虑。当编码单元LSTM的隐层维度为256维时,
             平均准确率)。                                           虽然取得较好的分类效果,但消耗了大量的计算资
   17   18   19   20   21   22   23   24   25   26   27