双声道信号下基于ICA的回波去燥算法

2020-09-10刘永凯胡伟文梅丹

看世界·学术上半月 2020年8期

刘永凯胡伟文梅丹

摘要：独立成分分析（ICA）是多源多接收器条件下常用的目标信号识别算法，在水下源信号被水面非高斯噪音干扰时可分理出源信号，从而达到去燥目的;若音源是双声道信号，则需要对分离的两个声道的信号进行匹配。针对该问题本文提出基于接近性度量的自动匹配算法，可自动对分离的信号进行匹配，并通过仿真实验验证了算法的有效性。

关键词：独立成分分析;接近性度量;去燥;信号分离;仿真实验

引言

在水下目标信号探测问题中，被探测目标除了被水下的背景噪声污染外，还常常被周围其他目标产生的噪音所污染。例如舰艇螺旋桨声音的信号采集问题中，舰艇螺旋桨的声音信号当中存在大量有价值特征，但是舰艇常以编队形式远洋，每搜舰艇的螺旋桨声音信号都被同舰队其他舰艇的螺旋桨声音所淹没，很难单独抽取进行识别。再比如潜艇长时间在深水潜航，难以探测，在浅水潜航时也常常通过跟随其他民用船只的方式来掩盖其踪迹，此时潜艇的螺旋桨噪音被其他船只的螺旋桨噪音所污染，难以识别。

这类问题属于在一片海域中，有多个同类型目标，属于多源问题。对于某个源来讲，其他目标源产生的信号相当于噪声，并且呈现非高斯性。这类问题的难点在于各目标信号类型可能相同，同类型信号具有相似的频谱特征，且信噪比较低，传统的基于傅里叶变换的方法及滤波的方法都已不适用。一种基于盲源分离的思想是，利用多接收器接受源信号，再将观测信号分离，从而进行识别，该问题我们称为多源多接收器条件下目标信号识别问题。

一、基于独立成分分析的多源多接收器条件下目标信号识别算法

水下多源多接收器条件下目标信号识别问题中，当探测器的数量不小于该海域中目标源数量时，可采用独立成分分析（ICA）方法;一般可根据目标源数量选取相等数量的探测器。水下信号传播时，随着距离的增加，信号能量会衰减;由于各目标源与各探测器之间的距离并不相同，如果忽略信号时延差异，那么接收器所接收到的信号主要是因距离衰减而造成的能量不同，即振幅不同。

假设有n个信号源，n个探测器的多源多接收器条件下目标信号识别问题。观测信号由源信号瞬时线性混叠而成，可写成线性方程组的形式：

其中是线性混叠矩阵。

ICA就是已知观测数据并在线性混叠系数未知的情况下求未知，其经典思路是设置一个混合阵，经过变换后得到维输出列向量，即有.如果通过学习得以实现，则，从而达到了源信号分离目标。一般采用非高斯性最大化的方向来确定，这里采用基于峭度或负熵的FastICA算法来分离信号。

若探测器接收到声信号经过处理后是单声道声音信号，则基于FastICA的多源多接收器条件下目标信号识别算法步骤如下：

步骤1 对观测数据中心化使其均值为零;

步骤2 对零均值后的数据进行白化得到;

步骤3 选择非线性函数

步骤4 初始化分离矩阵;

步骤5 对作对称正交化处理使分离矩阵的列向量具有单位范数;

步骤6 对分离矩阵的每个列向量进行更新：

;

步骤7 标准化，;

步骤8 如果尚未收敛（收敛条件为足够接近1）则返回步骤6。

二、基于接近性度量的自动匹配算法

如果探测器接收到的声信号经过处理后得到的是左右两声道的立体声音频信号，设两个声道的观测信号为和，分别表示左声道和右声道。需要对两个声道分别进行信号分离，设分离后的信号为和，其中为从左声道信号中分离出来的第i个分量，为从右声道信号中分离出来的第i个分量。

由于独立成分分析算法无法还原原始源信号的顺序，因此分离后的信号，两个声道的信号并不对应，需要进行匹配。除了人工匹配外，还可采用接近性度量来进行匹配，因为一般来说，螺旋桨噪声信号两个声道在时域上差别不是很大。设接近性度量为，表示从左声道信号中分离出来的第i个分量与右声道信号中分离出来的第j个分量的接近性度量。

由于独立成分分析无法恢复振幅信息，因此对于标准化的数据而言，得到的分离信号分量除了顺序不同之外，可能还存在符号的差异。考虑到分离分量的符号可能存在的差异，与左声道相匹配的右声道分离信号分量：

综上所述，当观测数据为立体声双声道数据时，基于FastICA的多源多接收器条件下目标信号识别算法步骤如下;

步骤1 分别读取两个声道的观测数据和;

步骤2 对和分别采用4.3.1中基于FastICA的多源多接收器条件下目标信号识别算法进行信号分离，得到分离信号和;

步骤3 对中的每一个分量利用接近性度量进行匹配，得到与左声道相匹配的右声道分离信号分量;

步骤4 将已匹配的两个声道的分离信号分量与，对振幅进行规格化后写成音频文件保存。

接近性度量有多种取法，一般取均方误差：

对于离散采样的数据，接近性度量可设为：

，

其中T为样本点数。

三、仿真实验

为了验证本文所提处理双声道信号算法的有效性，设计了如下的仿真实验。