一种时频联合处理的声纹切片统计量特征提取方法技术

一种时频联合处理的声纹切片统计量特征提取方法，它属于水声目标特征提取技术领域

【技术实现步骤摘要】
一种时频联合处理的声纹切片统计量特征提取方法


[0001]本专利技术属于水声目标特征提取
，具体涉及一种时频联合处理的声纹切片统计量特征提取方法
。

技术介绍

[0002]为了对船舶辐射噪声进行分类，现有技术中系统地讨论了船舶辐射噪声的理论基础，并指出船舶辐射噪声的频谱细节是表征目标种类的一类重要特征
。
因此现有方法通过线谱特征提取
、
调制谱特征提取
、
功率谱特征提取和
Mel
谱特征提取等多种谱特征提取方法，从不同的角度出发提取目标的一类稳定特征
。
然而，船舶辐射噪声的非平稳性和非线性的特性导致特征具有时变性，尽管
Mel
谱特征提取了梅尔频率倒谱系数
(MFCC)
的差分系数作为动态特征，但对时间信息的利用并不充分
。
综上，现有的特征提取方法并未充分利用信号的时变信息，导致利用现有方法提取出的特征对识别性能的提升效果仍然比较有限
。

技术实现思路

[0003]本专利技术的目的是为解决现有的特征提取方法未充分利用信号的时变信息的问题，而提出的一种时频联合处理的声纹切片统计量特征提取方法
。
[0004]本专利技术为解决上述技术问题所采取的技术方案是：
[0005]一种时频联合处理的声纹切片统计量特征提取方法，所述方法具体包括以下步骤：
[0006]步骤一
、
预设多个矩形滤波器，其中，每个矩形滤波器对应于一个频带，对船舶辐射噪声信号
s(t)
进行分帧处理后，再利用每个矩形滤波器分别对各段信号进行滤波，得到滤波结果；
[0007]再分别对每段信号在各个频带下的滤波结果进行短时傅里叶变换
(STFT)
，根据短时傅里叶变换结果得到各个频带的声纹切片；
[0008]步骤二
、
分别获得每个频带的声纹切片的概率密度最大值，再根据概率密度最大值确定对应声纹切片的统计量特征；
[0009]将各个频带的声纹切片的统计量特征进行串联，得到船舶辐射噪声信号
s(t)
的声纹特征
。
[0010]进一步地，所述矩形滤波器为：
[0011][0012]其中，
h
l
(t)
为第
l
个矩形滤波器，
t
为时间，
B
为带宽，
f
cl
表示矩形滤波器
h
l
(t)
的中心频率
。
[0013]进一步地，所述根据短时傅里叶变换结果得到各个频带的声纹切片，具体为：
[0014][0015]其中，
s
i
(t)
为第
i
段信号，
i
＝
1,2,
…
,N
，
N
为分帧处理后得到的信号总段数，为第
i
段信号
s
i
(t)
在第
l
个频带下的频谱片段，
l
＝
1,2,
…
,L
，
L
为矩形滤波器的个数，为第
i
段信号
s
i
(t)
在第
l
个频带下的短时傅里叶变换结果，
rect(
·
)
是矩形函数，
ω
为频率，
δ
(
·
)
为激活函数，中间变量
[0016]对各段信号
s
i
(t)
，
i
＝
1,2,
…
,N
在第
l
个频带下的频谱片段进行串联，得到在第
l
个频带下的声纹切片
S
l
(
ω
)
，
[0017]进一步地，所述获得每个频带的声纹切片的概率密度最大值，采用的是直方图统计法
。
进一步地，所述步骤二的具体过程为：
[0018]P
l
＝
HIS(Vec(|S
l
(
ω
)|))
[0019]其中，
P
l
为对第
l
个频带的声纹切片
S
l
(
ω
)
进行直方图统计的结果，
HIS(
·
)
代表直方图统计，
H
为直方图统计的区间个数，为实数，
Vec(
·
)
是矩阵矢量化运算，
|
·
|
为绝对值；
[0020]根据直方图统计结果得到第
l
个频带声纹切片
S
l
(
ω
)
的概率密度最大值，将概率密度最大值的区间均值
a
l
作为第
l
个频带声纹切片
S
l
(
ω
)
的统计量特征
(VPSS)F
l
；
[0021]将各个频带的声纹切片的统计量特征进行串联，得到船舶辐射噪声信号
s(t)
的声纹特征
F
VPSS
＝
[F1,F2,...,F
l
,...,F
L
]。
[0022]本专利技术的有益效果是：
[0023]本专利技术方法结合信号的时频分析，等间距截取相同带宽的声纹切片，声纹切片包含了信号在特定频率区间内频谱强度随时间的分布特性，方便提取随机信号稳定的时频特征
。
采用本专利技术方法提取的特征在不同类目标中具有明显可分的特征分布，通过多种特征分布距离的计算结果都显示了本专利技术的声纹切片统计量特征相比较于传统特征具有更好的可分性
。
本专利技术所提取的稳定时频特征中充分利用了信号的时变信息，提取的特征在多种识别模型上的识别准确率均高于传统特征的识别准确率
。
附图说明
[0024]图1是本专利技术的基于时频联合处理的声纹特征提取方法的流程图；
[0025]图
2a
是两类信号的梅尔频率倒谱系数
(MFCC)
的
t
‑
SNE
结果图；
[0026]图
2b
是两类信号的加权梅尔频率倒谱系数
(WMFCC)
的
t
‑
SNE
结果图；
[0027]图
2c
是两类信号的拼接梅尔频率倒谱本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种时频联合处理的声纹切片统计量特征提取方法，其特征在于，所述方法具体包括以下步骤：步骤一
、
预设多个矩形滤波器，其中，每个矩形滤波器对应于一个频带，对船舶辐射噪声信号
s(t)
进行分帧处理后，再利用每个矩形滤波器分别对各段信号进行滤波，得到滤波结果；再分别对每段信号在各个频带下的滤波结果进行短时傅里叶变换，根据短时傅里叶变换结果得到各个频带的声纹切片；步骤二
、
分别获得每个频带的声纹切片的概率密度最大值，再根据概率密度最大值确定对应声纹切片的统计量特征；将各个频带的声纹切片的统计量特征进行串联，得到船舶辐射噪声信号
s(t)
的声纹特征
。2.
根据权利要求1所述的一种时频联合处理的声纹切片统计量特征提取方法，其特征在于，所述矩形滤波器为：其中，
h
l
(t)
为第
l
个矩形滤波器，
t
为时间，
B
为带宽，表示矩形滤波器
h
l
(t)
的中心频率
。3.
根据权利要求2所述的一种时频联合处理的声纹切片统计量特征提取方法，其特征在于，所述根据短时傅里叶变换结果得到各个频带的声纹切片，具体为：其中，为第
i
段信号
s
i
(t)
在第
l
个频带下的短时傅里叶变换结果，
i
＝
1,2,
…
,N
，
N
为分帧处理后得到的信号总段数，
l
＝
1,2,
…
,L
，
L
为矩形滤波器的个数，
rect(
·
)
是矩形函数，
δ
(
·
)
为激活函数，
ω
为频率，中间变量为频率，中间变量为第
i
段信号
s
i
(t)
在第
l
个频带下的频谱片段；对各段信号

【专利技术属性】
技术研发人员：梁国龙，郭少祥，邹男，王晋晋，郝宇，吴冠谊，李雄辉，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：