摘 要： 地下拾音報(bào)警系統(tǒng)" title="報(bào)警系統(tǒng)">報(bào)警系統(tǒng)以其隱蔽性強(qiáng)、監(jiān)控范圍廣等優(yōu)點(diǎn)受到文物保護(hù)部門的關(guān)注。給出了一種基于小波" title="小波">小波變換，利用能量等價(jià)關(guān)系構(gòu)造特征空間的方法，可以有效地識(shí)別雷聲信號(hào)，降低雷聲造成的誤報(bào)率，從而有效地改進(jìn)了地下拾音報(bào)警系統(tǒng)的性能。
關(guān)鍵詞： 聲控報(bào)警 雷聲信號(hào)? 小波分析? 特征提取" title="特征提取">特征提取? 安防系統(tǒng)
?
近年來，文物安全問題日趨嚴(yán)峻，常見的安防報(bào)警手段如視頻監(jiān)控、玻璃破碎探測器等，不適于對室外環(huán)境下不可移動(dòng)文物的保護(hù)。在探索新的安防模式的過程中，提出了一種基于聲音信號(hào)的地下拾音報(bào)警系統(tǒng)。該系統(tǒng)隱蔽性強(qiáng)、成本較低、能夠消除報(bào)警死區(qū)、縮短報(bào)警反應(yīng)時(shí)間，比較適于對室外環(huán)境下的文物實(shí)行全面的技術(shù)防范。但由于自然界的雷聲會(huì)造成設(shè)備頻繁地誤報(bào)警，所以需要消除雷聲對系統(tǒng)的干擾，為此，要對雷聲信號(hào)進(jìn)行分類識(shí)別、特征提取，成為消除干擾的關(guān)鍵的一步。
以往的處理方法及存在的問題大致歸納為如下三種：(1)在有雷聲時(shí)采取暫時(shí)關(guān)閉監(jiān)控設(shè)備，但易造成漏報(bào)。(2)通過聲強(qiáng)區(qū)分信號(hào)，但易將雷聲信號(hào)和其他監(jiān)聽信號(hào)混淆。(3)使用傳統(tǒng)方法通過計(jì)算頻域" title="頻域">頻域峰值作為特征進(jìn)行分析，但是經(jīng)典的傅立葉變換只能針對平穩(wěn)信號(hào)進(jìn)行分析。在此基礎(chǔ)上使用加窗的方法來處理非平穩(wěn)信號(hào)的短時(shí)傅里葉變換，雖然有所進(jìn)步，但是分析窗恒定的大小和形狀仍無法滿足要求[1]。針對以上三種處理方法所存在的問題，本文采用具有多分辨率特點(diǎn)的小波變換" title="小波變換">小波變換方法，對非平穩(wěn)的雷聲信號(hào)的局部特征進(jìn)行分析。
1 地下拾音報(bào)警系統(tǒng)
1.1聲音信號(hào)的優(yōu)勢
聲音信號(hào)作用于安防系統(tǒng)有其獨(dú)特的優(yōu)勢：其快速傳遞的特性使得實(shí)現(xiàn)迅速報(bào)警成為可能；聲波可在空氣、水、土壤、金屬等物體內(nèi)傳遞，因此，防范區(qū)域可以延伸到周邊地區(qū)，異常目標(biāo)在進(jìn)入監(jiān)控區(qū)域之前就可以被發(fā)現(xiàn)，起到預(yù)警的作用；聲波以球面波的形式向四周均勻擴(kuò)散（聲輻射），也可以繞過障礙物的遮擋，發(fā)生聲繞射（衍射），為消除監(jiān)控系統(tǒng)的防范死區(qū)提供了可能。
1.2 地下拾音報(bào)警系統(tǒng)工作原理
地下拾音報(bào)警系統(tǒng)集集群監(jiān)聽、地下拾音、聲控報(bào)警等功能于一體，利用埋于地下20厘米處的地下聲敏傳感器，可拾取地表(半徑20米)、地下(30米)的微弱的聲音信號(hào)，經(jīng)物理諧振腔放大后以模擬信號(hào)輸出，其有效傳輸距離不小于1500米。設(shè)備工作時(shí)，監(jiān)控區(qū)域被認(rèn)為是安靜的，任何聲響都被視為異常，一旦傳感器所采集的聲音信號(hào)的強(qiáng)度超過設(shè)定門限就觸發(fā)報(bào)警行為。
2 雷聲信號(hào)預(yù)處理
雷聲信號(hào)預(yù)處理是：聲敏傳感器采集音頻信號(hào)后，經(jīng)前端調(diào)制器將模擬音頻信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，經(jīng)過中間的音頻傳輸控制線傳送到監(jiān)控室中的計(jì)算機(jī)，形成音頻文件，作為雷聲信號(hào)的原始特征；對信號(hào)進(jìn)行預(yù)處理，去除噪聲等的干擾，初步了解信號(hào)的時(shí)頻特征。預(yù)處理步驟框圖如圖1所示。
（1）去除均值：信號(hào)的均值相當(dāng)于一個(gè)直流分量，去除均值，可避免在估計(jì)該信號(hào)的功率譜時(shí)，零頻位置的譜峰影響附近的頻譜曲線。信號(hào)x(t)的均值常由下式估計(jì)。
?。?）功率譜估計(jì)：使用以傅立葉變換為基礎(chǔ)的經(jīng)典譜估計(jì)對信號(hào)頻域特征進(jìn)行粗略估計(jì)。先計(jì)算N個(gè)數(shù)據(jù)的傅立葉變換（頻譜），然后取頻譜和其共軛的乘積，得到功率譜（直接法）[1]。具體公式如下：
?。?）低通濾波：一般來說，信號(hào)的低頻部分給出了信號(hào)的特征，高頻部分則與噪音及擾動(dòng)聯(lián)系在一起。因此，參照聲敏傳感器的頻響參數(shù)、經(jīng)驗(yàn)值及粗略估計(jì)的信號(hào)特征設(shè)置濾波器參數(shù)，對信號(hào)進(jìn)行低通濾波。以損失部分細(xì)節(jié)為代價(jià)，減少后續(xù)分析的運(yùn)算量。
若選擇約束最小二乘(CLS)FIR濾波器，無須專門定義幅值響應(yīng)中的過渡帶，便可在整個(gè)濾波器響應(yīng)的頻率范圍內(nèi)使用平方誤差最小化技術(shù)，逼近理想的濾波器特性。取階數(shù)為61、截止頻率為0.6（歸一化）、通帶最大偏差為0.02（dp）、阻帶最大偏差為0.008（ds）,其頻域及時(shí)域波形分別如圖2和圖3所示。
?。?）分割信號(hào)：分割信號(hào)為按一定長度的幀，提取最能體現(xiàn)其特點(diǎn)的部分，以降低信號(hào)長度，減少運(yùn)算量。
?。?）歸一化：按信號(hào)幅度絕對值的最大值做歸一化處理，得到長度范圍、幅值范圍統(tǒng)一的信號(hào)。
3 雷聲信號(hào)的小波變換
非平穩(wěn)信號(hào)的模式特征存在于時(shí)域與頻率域中，使用傳統(tǒng)變換方法提取特征不能達(dá)到較好的效果。利用小波分析方法進(jìn)行雷聲信號(hào)特征提取的框圖如圖4所示。
?。?）小波變換：雷聲信號(hào)作為非平穩(wěn)信號(hào)，其統(tǒng)計(jì)特性隨時(shí)間而變，所以其局部性的研究需要使用時(shí)域和頻域的二維聯(lián)合表示，否則會(huì)導(dǎo)致提取的特征不夠準(zhǔn)確。信號(hào)經(jīng)過小波變換，可以分成不同的子帶[2]，每個(gè)子帶內(nèi)的小波系數(shù)表現(xiàn)了信號(hào)相應(yīng)帶內(nèi)的能量分布。小波分解結(jié)構(gòu)可視為由低通和高通濾波器組成的濾波器組，將信號(hào)分解成低頻近似信號(hào)和高頻細(xì)節(jié)信號(hào)兩部分，在下一層的分解中，又將低頻部分再分解成更低頻和更高頻兩部分，依此類推，完成更深層次的小波分解，如圖5所示。
選擇合適的小波基及分解層數(shù)對特征提取至關(guān)重要。經(jīng)過對各小波函數(shù)的比較和頻率分析試驗(yàn)，選用Daubechies小波，N值取7時(shí)，其小波函數(shù)圖形如圖6所示。音頻文件采樣頻率為11.025kHz，即Nyquist頻率為5.512kHz，進(jìn)行7級(jí)小波分解，可獲得8個(gè)小波系數(shù)。這樣，原信號(hào)就可表示為不重疊的各個(gè)子帶的小波系數(shù)之和。各分解系數(shù)對應(yīng)的頻帶范圍如表1所示。
?
這樣就建立了小波系數(shù)與信號(hào)能量在時(shí)域上的等價(jià)關(guān)系。系數(shù)較大者攜帶的信號(hào)能量較多，系數(shù)較小者攜帶的信號(hào)能量較少。因此，對不同子帶內(nèi)的小波系數(shù)進(jìn)行統(tǒng)計(jì)分析，可以獲得聲音信號(hào)的分布特征。這樣，就完成了從高維的小波系數(shù)矩陣到較低維的小波系數(shù)能量空間的轉(zhuǎn)化。
?。?）歸一化及提高靈敏度：不同的樣本占有不同的特征空間區(qū)域，只要這些區(qū)域不相交疊，它們就可以分開。經(jīng)常采用樣本間的平均距離作為特征提取的判據(jù)函數(shù)[4-5]。由于腳步聲信號(hào)、撞擊聲信號(hào)與雷聲信號(hào)相近，所以為進(jìn)一步區(qū)分，通過將特征值歸一化后作平方運(yùn)算，增加特征之間的距離差距，達(dá)到提高靈敏度的目的，緩解報(bào)警高靈敏度和誤報(bào)率之間的矛盾。選取圖7所示的信號(hào)進(jìn)行對比，其結(jié)果如表2所示，特征分布如圖8所示。可見，處理后的交叉面積有所減小。
(4）建立特征空間：可以使用以上方法求得特征向量直接構(gòu)成特征空間，如：
T=[Ea7 Ed7 Ed6 Ed5 Ed4 Ed3 Ed2 Ed1]
也可以與預(yù)處理中得到的其他特征建立組合特征空間。
?
?
本文介紹的雷聲特征提取方法，通過在部分樣本信號(hào)上的測試，可以分辨出雷聲信號(hào)和撞擊聲信號(hào)。本方法對抑制雷聲造成的系統(tǒng)誤報(bào)警起到了初步的作用，進(jìn)一步提高了安全技術(shù)防范的可靠性，對于古墓、古塔、石刻等不可移動(dòng)的室外環(huán)境下的文物防盜具有一定意義。未來工作是需要對更多種類、更大數(shù)量的樣本信號(hào)進(jìn)行算法測試，并結(jié)合實(shí)地應(yīng)用情況進(jìn)行設(shè)計(jì)上的改進(jìn)。
?
參考文獻(xiàn)
[1] 張賢達(dá)，保錚. 非平穩(wěn)信號(hào)分析與處理[M]. 北京：國防工業(yè)出版社，1998.
[2] ?PARAMESWARIAH C, COX M. Frequency characteristics of wavelets[J]. IEEE Transactions on Power Delivery,2002,17(3)：800-804.
[3] ?劉毅，張彩明，趙玉華，等. 基于多尺度小波包分析的肺音特征提取與分類[J]. 計(jì)算機(jī)學(xué)報(bào)，2006，29（5）：769-777.
[4] ?周莉，鄭建琳，顏琬. 基于小波多尺度和熵在圖像字符特征提取方法的改進(jìn)[J]. 電子技術(shù)應(yīng)用， 2004,30(7)：6~8.
[5] ?BARSANTI R J, SPENCER E, CARES J,et al. Frature matching and signal recognition using wavelet analysis. In: Proceedings of the 38th Southeastern Symposium on System Theory, Cookeville, TN, USA, 2006：448-452.