迭代维纳滤波在水声信号分离中的应用*

纳杰斯 王心怡

(昆明船舶设备研究试验中心 昆明 650051)



迭代维纳滤波在水声信号分离中的应用*

纳杰斯 王心怡

(昆明船舶设备研究试验中心 昆明 650051)

论文对迭代维纳滤波在水声信号分离中的应用进行了研究，并根据特定目标声源信号的听觉特征先验知识，采用水声信号的听觉特征参数匹配度作为迭代收敛判据。迭代滤波能够逐渐消除干扰声源信号，模拟人类听觉系统的注意力机制，使滤波结果的听觉特征最大程度地与目标声源匹配。仿真试验结果表明，这种迭代维纳滤波方法在有干扰声源存在的情况下可以有效实现水声信号分离。

迭代维纳滤波; 信号分离; 听觉特征

Class Number TN911.7

1 引言

在多个水下声源同时存在的情况下，要对其中感兴趣的信号进行方向、具体参数等估计，需要设法消除其他声源的影响，因此信号的提取、分离或增强是水声信号处理中的重要问题[1]。在多个声源的情况下，对目标信号的干扰主要来自其他声源的信号，干扰信号是有色的，与目标信号可能具有相似的谱分布和相当的声源级，与目标信号也不是相互独立的，因此干扰声源信号的抑制具有较大的困难[2]。

人类的听觉系统在处理这种问题时，能够迅速提取出感兴趣的目标信号的特征，并将注意力集中在目标信号上[3]，在水声信号分离方法中模拟听觉系统的注意力机制，可以有效提高信号分离处理能力[4]。本文采用迭代维纳滤波进行水声信号分离，并引入信号的听觉特征参数匹配度作为迭代收敛判据，在特定目标声源信号的听觉特征事先获得的前提下，能够有效控制迭代过程，使迭代滤波结果与目标声源的听觉特征匹配度达到最优。

2 迭代维纳滤波器

Lim，Oppenheim，Hansen等人所使用的迭代维纳滤波是一种基于全极点参数估计增强方法，这种滤波方法主要对在加性高斯噪声背景中的目标声源作最大后验概率(MAP)估计。本文讨论只存在一个干扰声源的情况，滤波器的频率响应为

(1)

其中Ps1(ω)和Ps2(ω)分别为目标信号和干扰信号的功率谱密度函数，Ps2(ω)可以在不含目标的信号时段获得，而Ps1(ω)却无法获得，因此在迭代中，把含有干扰的主通道目标信号y1(t)作为第一次迭代的目标信号，进行维纳滤波，每一次滤波结果作为下一次迭代的目标信号，如图1所示。

图1 双水听器阵接收模型

在维纳滤波中引入时变步长因子αi，得到滤波器

(2)

(3)

(4)

步长因子的初值α0与两个通道接收信号的信噪比有关，通常可以取

其中PSIR1和PSIR2分别为两个水听器接收信号的信噪比，可以由只有目标信号存在和只有干扰信号存在时的接收信号进行估算。

随着迭代进行，主通道中的干扰信号成分逐渐减少，要引入有效的收敛判据，对滤波结果进行判断比较，使最终的滤波结果最接近原始的目标信号。

3 水声信号分离的迭代收敛判据

寻找具有良好性能的水声信号听觉特征是保证迭代收敛正确的重要环节[5]。特征参数的选择应该具有以下特点：具有很高的区分能力，能够充分体现不同的声源之间的差异，而对同一个声源的信号在状态变化时保持相对稳定；特征参数在受到环境噪声和信道变化时能够保持稳健；易于计算和提取，维数尽量少；不易被模仿等[6]。对于水声信号，可以使用的特征包括线谱、线性预测系数(LPC)、Mel频率倒谱系数(MFCC)等。根据研究，使用MFCC作为特征参数，在不同环境下可以保持较好的稳定性，对于不同声源的信号具有较好的区分能力[7]，因此本文采用MFCC作为水声信号听觉特征。MFCC参数的计算过程就是将信号通过临界频带滤波器组，然后转换到倒谱域，其流程如图2所示。

图2 MFCC参数提取过程

对信号进行分帧，每一帧信号经过迭代滤波后，计算滤波结果的MFCC参数向量，为了衡量滤波结果与目标声源信号特征的匹配程度，需要使用信号特征的参数距离，对于MFCC参数，可以使用欧氏距离来衡量，即

(5)

X和Y为特征参数向量。

在信号分离过程中，对每一步迭代滤波的结果，生成相应的MFCC特征参数，与对应目标声源的特征参数进行比较，计算参数距离，当某一次迭代结果的匹配度达到最小值时，就认为该滤波结果是最优的[8]，这一过程与人的听觉系统将注意力集中于某一特定目标声源的过程相似。

4 滤波器参数更新

由于水声环境的变化、目标声源和干扰声源的位置移动，会使迭代维纳滤波器中的参数H11(ω)、H12(ω)和α0发生缓慢变化，需要采取更新措施。本文使用的更新方式为：根据每段信号的迭代滤波结果，估计出H11(ω)/H12(ω)、PSIR1和PSIR2等参数，构成下一段信号的滤波器参数。

(6)

(7)

(8)

图3 自适应滤波器

使用这些参数估计值进行下一段信号的迭代。

5 仿真试验结果

对基于信号听觉特征收敛判据的迭代维纳滤波分离水声信号的效果进行了仿真，目标信号和干扰信号的波形如图4(a)和图4(b)所示，两个通道接收的混合信号波形如图5(a)和图5(b)所示。

图4 目标及干扰声源信号波形

分离出的目标声源波形如图6所示，原始目标声源及分离出的目标声源的MFCC向量如图7所示，可以看出，分离的目标信号在听觉特性上与原始声源信号已足够接近，可以认为成功分离[9]。

图5 两个通道接收的混合信号波形

图6 分离出的目标声源信号

图7 原始目标声源及分离出的目标声源的MFCC向量

6 结语

当存在干扰声源信号时，采用迭代维纳滤波方法能够分离出需要的目标信号，使用目标信号的听觉特征参数MFCC作为迭代收敛判据，可以有效控制迭代过程，使迭代滤波结果与目标信号的听觉特征匹配度最大，通过分段更新滤波器参数，使迭代滤波适应环境和声源位置的变化[10]。仿真结果表明，在水声信号分离中，基于迭代维纳滤波的分离方法能够获得满意的效果，具有较好的应用价值。

[1] LIM F S, OPPENHEIM A V. All-pole modeling of degraded speech [J]. IEEE Trans on ASSP,1978,26(3):197-210.

[2] CAO Y, SRIDHA Sridharan, MILES Moody. Co-talker separation using the “cocktail party effect” [J]. Audio Eng. Soc,1996,44(12):1084-1096.

[3] 柳革命,孙超,刘兵.基于线性预测倒谱的被动声纳目标特征提取技术[J].应用声学,2007,26(5):277-281.

[4] 刘鹏,刘孟庵.舰船辐射噪声节拍音色特征研究[J].声学与电子工程,2007(2):4-7.

[5] 谢俊,胡均川.舰船噪声听觉节奏特征[J].应用声学,2008,27(6):44-48.

[6] 王景芳.含噪语音实时迭代维纳滤波[J].计算机工程与应用,2011(19):23-27.

[7] 张小波.基于维纳滤波的图像去噪算法研究[D].西安:西安电子科技大学,2014.

[8] 卢晶，沈春华，余凯.基于听觉特性的迭代维纳滤波在语音分离中的应用[J].应用声学,2001,20(5): 1-5.

[9] 王娜.基于人耳主观反应的听觉特征量及其在目标识别中的应用[D].西安:西北工业大学,2006.

[10] 任婕.含噪盲信号提取和分离技术研究[D].成都:电子科技大学,2012.

Application of Iterative Wiener Filtering for Sonar Signal Separation

NA Jiesi WANG Xinyi

(Kunming Shipbuilding Equipment Research and Test Center, Kunming 650051)

Iterative wiener filtering for sonar signal separation is researched in this paper. Based on the prior knowledge of the target acoustic signal’s auditory feature, the iterate is controlled by the matching degree of sonar signal auditory feature parameters. Iterative filtering attenuates interference signal continually to simulate the attention of human auditory system, and makes the matching degree between filtering output and target source signal maxim. Simulation result shows that the iterative filtering can separate sonar signal efficiently in the interference source signal environment.

iterative wiener filtering, signal separation, auditory feature

2016年5月5日,

2016年6月17日

纳杰斯，男，硕士，工程师，研究方向：水声信号处理。王心怡，男，硕士，高级工程师，研究方向：水声信号处理。

TN911.7

10.3969/j.issn.1672-9730.2016.11.035