基于端点检测的声发射信号时延估计理论研究

杨慧　罗来武

[摘 要]针对声发射源定位中的时延估计问题，从理论的角度提出将语音信号端点检测技术运用于声发射信号到达时间的测定。希尔伯特-黄变换（HHT）是一种适用于非线性、非平稳信号分析与处理的方法，采用该方法对声发射信号和语音信号进行分析，从理论的角度阐述了两种信号的共同特性。为将语音信号端点检测技术运用到声发射信号时延估计中提供理论依据。

[关键词]声发射；时延估计；端点检测；HHT

[DOI]10.13939/j.cnki.zgsc.2015.45.164

1 引 言

声发射（Acoustic Emission，AE）是指结构内部损伤源迅速释放能量而产生瞬间弹性波的物理现象[1]，绝大多数材料在发生断裂或形变等结构损伤时都伴随着声发射现象的产生。声发射检测技术主要包括对声发射源进行定性、定量、定位等多方面的检测与判断，声发射源定位是其中的关键环节和难点之一。

在众多定位方法中，基于时延估计的定位方法由于简单易行，计算量小而被广泛应用。传统的时延估计方法往往是对两个传感器接收到的信号进行处理来求得二者之间的时间差，如金留念等人[2]在基本互相关的基础上对基于二次相关的时延估计方法进行了研究；栾风虎[3]等人提出了基于高阶累计量的时延估计方法；王江[4]提出了基于遗传算法的自适应时延估计。

然而，这些传统的时延估计方法涉及两路传感器信号，无法避免由传感器之间的特性差异而造成的时延估计及定位结果误差。针对这一问题，文献[5]初步提出了将语音信号端点检测技术用以测定每一路传感器信号的到达时间，进而求得两路信号之间的时间差，并就短时能量法进行了实验验证，证明了该方法的可行性。

本文将在文献[5]的基础上，运用希尔伯特-黄变换（HHT）对语音信号和声发射信号进行分析处理，从瞬时幅值、瞬时频率等多个角度验证二者的相似性，从而为将端点检测技术运用于声发射信号到达时间测定提供理论依据。

2 几种常用端点检测原理

端点检测技术是语音信号处理中的一种基本技术，用于从一段包含语音的信号中确定语音的起始点和结束点，其最终目的可以归结为区分信号中的语音和噪声。常见的端点检测方法主要从语音信号的短时能量、短时过零率、倒谱特征和熵等方面入手，下面对这几点分别进行介绍。

2.1 短时能量

在一段语音信号中，语音段的能量是噪声能量和有用语音信号能量叠加之和，因此语音段和噪声段在能量大小上有着明显的差别。通过计算输入信号的短时能量可以有效区分信号的语音段和噪声段，从而实现语音信号的端点检测。

2.2 短时平均过零率

对于连续的声发射信号来说，过零意味着时域上的波形穿过时间轴；而对于离散的波形信号来说，则是指其相邻的采样值的符号的改变。短时过零率就是样本采样值改变符号的次数。

信号x（n）的短时平均过零率定义为：

2.3 倒谱距离和熵

信号倒谱可以定义为信号的能量谱密度函数的对数的傅里叶反变换，基于倒谱距离的端点检测是将倒谱距离代替短时能量来作为特征参数，该方法与基于能量的端点检测方法类似。

由于语音信号中语音段的幅度相对于噪声段的幅度动态范围大，可以认为语音段在信号范围中的随机事件大，即熵值大，而噪声的幅度小、分布相对集中，因而熵值小。常用的信息熵和谱熵分别从时域和频域来计算熵值。

通过上述对几种常用端点检测方法的阐述和分析，可以看出这几种方法都可以归结为是从语音信号的语音段和噪声段在能量或频率上的较大差异出发进行端点检测的。因此，要验证语音信号和声发射信号的相似性，从而将端点检测技术运用于声发射信号的时延估计，可以通过证明声发射信号的有用信号段和噪声段在能量和频率上也存在和语音信号一样的差异来实现。

3 声发射信号和语音信号相似性论证

非平稳信号是指分布参数或者分布律随时间发生变化的信号。非平稳随机信号的统计特征是时间的函数。与平稳随机信号的统计描述相似，传统上使用概率与数字特征来描述，工程上多用相关函数与时变功率谱来描述，近年来还发展了用时变参数信号模拟描述的方法。此外，还需根据问题的具体特征规定一些描述方法。目前，非平稳随机信号还很难有统一而完整的描述方法。

声发射信号和语音信号均属于非平稳、非线性信号，其频率结构随时间发生变化，Fourier变换是将信号分解成多个固定频率和固定幅值的正弦信号的加权和，用于分析频率不随时间变化的平稳信号有较好的效果。因此，Fourier变换对此种信号不再适用。

3.1 瞬时幅值和瞬时频率

HHT是1998年提出的一种适用于非线性、非平稳信号的分析方法[6]。根据该方法，可以求得信号的瞬时幅值和瞬时频率，具体过程如下。

设u（t）为实信号，其希尔伯特变换为：

3.2 两种信号的相似性论证

按照上文所述，为了验证语音信号和声发射信号的相似性，可以通过证明这两种信号的噪声段和有用信号段在频率和能量（或幅值）上都有着明显的区别。根据上述方法分别对语音信号和声发射信号的瞬时幅值和瞬时频率进行求解，结果如图1和图2所示。

从图1和图2中可以看出，通过求解声发射信号和语音信号的瞬时幅值和瞬时频率，二者的噪声段和有用信号段在幅值和频率上均发生了突变，存在较大的差异。根据上文分析，常用的端点检测方法正是从这种差异性入手来实现的，因此可以将端点检测技术运用于声发射信号达到时间的测定。

4 结 论

声发射信号时延估计，即计算出两路声发射信号到达不同传感器的时间差。信号到达传感器的时间的测定就是有用信号的起始点，可以看成是区分声发射信号中的噪声段和有用信号段。因此语音信号的端点检测和声发射信号到达传感器时间的测定在本质上都是为了区分有用信号和噪声。本文通过运用HHT求得两种信号的瞬时幅值和瞬时频率，从能量（或幅值）两个角度证明了二者的相似性，从而为将语音信号端点检测技术应用于声发射信号时延估计提供了理论依据。

参考文献：

[1]Zhao Jiang-hai，Shi Yi-kai，Shan Ning，etal.Stabilized fiber-optic extrinsic Fabry-Perot sensor system for acoustic emission measurement[J].Optics and Laser Technology，2008，40（6）：874-880.

[2]金留念.基于二次相关的时延估计方法研究[J].电子信息对抗技术，2011，26（1）：39-41.

[3]栾风虎，李玉峰，于学明，等.基于高阶累计量的时延估计研究[J].黑龙江大学自然科学学报，2010，27（2）：260-263.

[4]王江.基于遗传算法的自适应时延估计[J].火力与指挥控制，2012，37（8）：50-53.

[5]赵江海，杨慧，顾菊平，等.基于短时能量的声发射源定位方法研究[J].振动与冲击，2013，32（23）：110-114.

[6]Huang N E.The Empirical Mode Decomposition and the Hilbert Spectrum for nonlinear and non-stationary time series analysis[J].Proc Rsoc Lond A，1998，454：903-995.