高干扰环境下基于分布式光纤传感的信号检测方法及系统技术方案

本发明专利技术公开了一种高干扰环境下基于分布式光纤传感的信号检测方法及系统，属于语音检测技术领域。所述信号检测方法包括：采集DAS语音信号；基于短时窗口机制和自相关算法判断所述DAS语音信号中各信号帧是否为语音帧；将所述语音帧输入预先训练的基于多任务学习的语音识别模型得到语音识别结果。本发明专利技术设计了短时窗口机制，短时窗口机制能在一段时域上通过关注音高信息来提升算法区分高频噪声和语音的能力。的能力。的能力。

【技术实现步骤摘要】
高干扰环境下基于分布式光纤传感的信号检测方法及系统


[0001]本专利技术属于语音检测
，特别是涉及一种高干扰环境下基于分布式光纤传感的信号检测方法及系统。

技术介绍

[0002]在隧道塌方等场景下，目前寻找发现受难者有基于视觉的方法（无人机、摄像机和救援犬）和基于雷达波的方法（雷达生命探测仪），但前者在受害者被埋在废墟中时将面临挑战，而后者受环境干扰严重，比如高压线、金属板。
[0003]基于分布式光纤传感的监测应用系统，由于其自身的独特优势，在多个领域正得到越来越广泛的重视，是目前理论界和实际应用的研究热点。
[0004]DAS系统率先在地震勘探领域中得到应用，之后逐渐推广到微地震、VSP井中地震勘探等领域，甚至有研究项目已经开始在海上进行监测，取得了实际效果。
[0005]由于设备传输信号能力受限、受难者呼救信号弱和现场环境噪声复杂等多方面因素，基于DAS采集到的语音信号往往伴随大量且持续的高能噪声，语音信息已经完全湮没在强噪声中，经过实验测量，DAS语音信号的信噪比（signal
‑
to
‑
noise ratio，SNR）为
‑
30dB左右，属于微弱信号，即深埋在背景噪声中的极其微弱的信号，这给语音处理工作带来了极大的考验。
[0006]语音处理相关算法是一个成熟且流行的研究课题，但传统的语音处理算法通常应用在噪声能量不大的场景中，算法性能也会随着SNR降低而随之降低，甚至当噪声强度超过并掩盖语音时，这些算法会随之失效。

技术实现思路

[0007]本专利技术的目的在于克服现有技术的不足，提供一种高干扰环境下基于分布式光纤传感的信号检测方法及系统。
[0008]本专利技术的目的是通过以下技术方案来实现的：根据本专利技术的第一方面，高干扰环境下基于分布式光纤传感的信号检测方法，包括：采集DAS语音信号；基于短时窗口机制和自相关算法判断所述DAS语音信号中各信号帧是否为语音帧；将所述语音帧输入预先训练的基于多任务学习的语音识别模型得到语音识别结果。
[0009]进一步地，基于短时窗口机制和自相关算法判断所述DAS语音信号中各信号帧是否为语音帧，包括：基于短时窗口机制判断所述DAS语音信号中各信号帧是否为潜在语音帧；基于自相关算法判断所述DAS语音信号中各信号帧是否为潜在语音帧；
若短时窗口机制和自相关算法均判断同一信号帧为潜在语音帧，则该信号帧为语音帧。
[0010]进一步地，基于短时窗口机制判断所述DAS语音信号中各信号帧是否为潜在语音帧，包括：将n个连续的子窗口组成一个时间窗口，时间窗口的滑动步长为一个子窗口，所述子窗口为连续k毫秒时间的语音段，所述子窗口包括第一通道和第二通道，所述第一通道用于记录该子窗口包含的所有帧的SFT最大值，所述第二通道用于记录该子窗口包含的所有帧的SFT最小值；分别计算当前时间窗口内各信号帧的SFT值；若一个时间窗口内包含至少两个第一通道存在音高帧且第二通道存在非音高帧的子窗口，则该时间窗口内的所有信号帧为潜在语音帧，否则，该时间窗口内的所有信号帧为高能噪声；其中，若子窗口内SFT值的最大值小于第一预设值，则该子窗口的第一通道存在音高帧；若子窗口内SFT值的最小值大于第一预设值，则该子窗口的第一通道不存在音高帧。
[0011]进一步地，基于自相关算法判断所述DAS语音信号中各信号帧是否为潜在语音帧，包括：计算所述DAS语音信号中各信号帧的SLH值；计算所述DAS语音信号中各信号帧的SLH值的变化率，所述SLH值的变化率的计算公式为：式中，V(n)为SLH值的变化率；n为信号帧的序号，n∈[1
…
N
‑
1]，N为信号帧的总帧数；Δt为两帧信号帧的间隔时间；分别对各信号帧的变化率进行最大最小归一化处理，得到各信号帧的变化系数，所述变化系数的计算公式为：式中，D(x)为变化系数；为DAS语音信号中所有信号帧的变化率中的最小值，为DAS语音信号中所有信号帧的变化率中的最大值；将各信号帧的SLH值与其对应的变化系数相乘得到该信号帧的ST
‑
ACF特征值，所述ST
‑
ACF特征值的计算公式为：式中，ST
‑
ACF(x)为信号帧x的ST
‑
ACF特征值；基于各信号帧的ST
‑
ACF特征值判断该信号帧是否为潜在语音帧：若信号帧的ST
‑
ACF特征值大于阈值则该信号帧为潜在语音帧。
[0012]进一步地，所述语音识别模型包括：编码器，用于对输入的语音帧进行编码得到特征矩阵；第一解码器，用于基于所述特征矩阵进行语音增强，输出增强后的语音波段；
第二解码器，用于基于所述特征矩阵进行语音识别，生成一个二分类判断，以判断是谈话或呼救。
[0013]进一步地，所述语音识别模型的训练过程包括：编码器对输入的语音帧进行特征提取得到特征矩阵，并生成共享参数；第一解码器根据所述特征矩阵和共享参数生成第一参数，并基于第一参数计算第一解码器的损失值；第二解码器根据所述特征矩阵和共享参数生成第二参数，并基于第二参数计算第二解码器的损失值；将第一解码器的损失值和第二解码器的损失值进行反向传播，更新编码器中的共享参数，完成一轮训练；重复多轮训练，直至训练轮数达到预设值。
[0014]进一步地，所述第一解码器的损失函数为：；所述第二解码器的损失函数为：；式中，表示在权重为w，输入为x的条件下的神经网络输出；y1表示第一解码器模型的输出；表示交叉熵损失函数；y2表示第二解码器模型的输出。
[0015]根据本专利技术的第二方面，高干扰环境下基于分布式光纤传感的信号检测系统，包括：信号采集模块，用于采集DAS语音信号；语音帧检测模块，用于基于短时窗口机制和自相关算法判断所述DAS语音信号中各信号帧是否为语音帧；语音识别模型，用于根据所述语音帧得到语音识别结果。
[0016]进一步地，所述语音帧检测模块具体用于基于短时窗口机制判断所述DAS语音信号中各信号帧是否为潜在语音帧，基于自相关算法判断所述DAS语音信号中各信号帧是否为潜在语音帧，若短时窗口机制和自相关算法均判断同一信号帧为潜在语音帧，则该信号帧为语音帧。
[0017]进一步地，基于短时窗口机制判断所述DAS语音信号中各信号帧是否为潜在语音帧，包括：将n个连续的子窗口组成一个时间窗口，时间窗口的滑动步长为一个子窗口，所述子窗口为连续k毫秒时间的语音段，所述子窗口包括第一通道和第二通道，所述第一通道用于记录该子窗口包含的所有帧的SFT最大值，所述第二通道用于记录该子窗口包含的所有帧的SFT最小值；分别计算当前时间窗口内各信号帧的SFT值；若一个时间窗口内包含至少两个第一通道存在音高帧且第二通道存在非音高帧的子窗口，则该时间窗口内的所有信号帧为潜在语音帧，否则，该时间窗口内的所有信号帧为高能噪声；其中，若子窗口内SFT值的最大值小于第一预设值，则该子窗口的第一通道存在音高帧；若子窗口内SFT值的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.高干扰环境下基于分布式光纤传感的信号检测方法，其特征在于，包括：采集DAS语音信号；基于短时窗口机制和自相关算法判断所述DAS语音信号中各信号帧是否为语音帧；将所述语音帧输入预先训练的基于多任务学习的语音识别模型得到语音识别结果。2.根据权利要求1所述的高干扰环境下基于分布式光纤传感的信号检测方法，其特征在于，基于短时窗口机制和自相关算法判断所述DAS语音信号中各信号帧是否为语音帧，包括：基于短时窗口机制判断所述DAS语音信号中各信号帧是否为潜在语音帧；基于自相关算法判断所述DAS语音信号中各信号帧是否为潜在语音帧；若短时窗口机制和自相关算法均判断同一信号帧为潜在语音帧，则该信号帧为语音帧。3.根据权利要求2所述的高干扰环境下基于分布式光纤传感的信号检测方法，其特征在于，基于短时窗口机制判断所述DAS语音信号中各信号帧是否为潜在语音帧，包括：将n个连续的子窗口组成一个时间窗口，时间窗口的滑动步长为一个子窗口，所述子窗口为连续k毫秒时间的语音段，所述子窗口包括第一通道和第二通道，所述第一通道用于记录该子窗口包含的所有帧的SFT最大值，所述第二通道用于记录该子窗口包含的所有帧的SFT最小值；分别计算当前时间窗口内各信号帧的SFT值；若一个时间窗口内包含至少两个第一通道存在音高帧且第二通道存在非音高帧的子窗口，则该时间窗口内的所有信号帧为潜在语音帧，否则，该时间窗口内的所有信号帧为高能噪声；其中，若子窗口内SFT值的最大值小于第一预设值，则该子窗口的第一通道存在音高帧；若子窗口内SFT值的最小值大于第一预设值，则该子窗口的第一通道不存在音高帧。4.根据权利要求2所述的高干扰环境下基于分布式光纤传感的信号检测方法，其特征在于，基于自相关算法判断所述DAS语音信号中各信号帧是否为潜在语音帧，包括：计算所述DAS语音信号中各信号帧的SLH值；计算所述DAS语音信号中各信号帧的SLH值的变化率，所述SLH值的变化率的计算公式为：式中，V(n)为SLH值的变化率；n为信号帧的序号，n∈[1
…
N
‑
1]，N为信号帧的总帧数；Δt为两帧信号帧的间隔时间；分别对各信号帧的变化率进行最大最小归一化处理，得到各信号帧的变化系数，所述变化系数的计算公式为：式中，D(x)为变化系数； 为DAS语音信号中所有信号帧的变化率中的最小值， 为DAS语音信号中所有信号帧的变化率中的最大值；
将各信号帧的SLH值与其对应的变化系数相乘得到该信号帧的ST
‑
ACF特征值，所述ST
‑
ACF特征值的计算公式为：式中，ST
‑
ACF(x)为信号帧x的ST
‑
ACF特征值；基于各信号帧的ST
‑
ACF特征值判断该信号帧是否为潜在语音帧：若信号帧的ST
‑
ACF特征值大于阈值则该信号帧为潜在语音帧。5.根据权利要求1所述的高干扰环境下基于分布式光纤传感的信号检测方法，其特征在于，所述语音识别模型包括：编码器，用于对输入的语音帧进行编码得到特征矩阵；第一解码器，用于基于所述特征矩阵进行语音增强，输出增强后的语音波段；第二解码器，用于基于所述特征矩阵进行语音识别，生成一个二分类判断，以判断是谈话或呼救。6.根据权利要求1所述的高干扰环境下基于分布式光纤传感的信号检测方法，其特征在于，所述语音识别模型的训练过程包括：编码器对输入的语音帧进行特征提取得到特征矩阵，并生成共享参数；...

【专利技术属性】
技术研发人员：罗煜，盛鹏，陈锶，王茂宁，张晨思，钟羽中，
申请(专利权)人：四川高速公路建设开发集团有限公司，
类型：发明
国别省市：