基于ICA算法的野外动物声音探测仪设计

李泽鑫

摘 要：文章作者提出的基于ICA算法的野外动物声音探测仪设计主要通过对户外生态环境所发生的声波进行分析：声源分离、声音采集、声音分类比较，从而判断出周围野生动物的种类。该探测仪主要适用于生态环境中对野生动物的调查与保护工作以及生态环境的勘测工作，或是适用于野外探险爱好者，判断周围有无危险的动物，保证自身的安全。

一、设计方法

本文设计的野外动物声音探测仪总体结构设计如下图所示，首先对生态环境中的多声源进行分离处理，采集动物声音的样本；其次将动物声音样本与样本库进行对比，提取特征，由ICA模型进行分类；最后识别出动物种类。

1.ICA（FastICA）算法介绍

FastICA算法分两步实现：①白化处理；②独立分量提取。白化处理是为了去除各观测信号间的相关性，从而简化了后续独立分量提取过程。信号的白化处理比较简单，用类似主分量分析方法即可实现。设白化后的信号为X，则X满足：E{X*X}=E{（B*X）（B*X）}。

我們用变量n表示迭代步数，令S（n）中的某一分量wi（n）为分离矩阵wi（n）中与s（in）对应的某一行向量，即：s（in）s（in）=wiT（n）；n=1，2，3...

分离过程中用目标函数对分离结果s（in）的非斯性进行度量，并对wi（n）进行调整。FastICA算法的调整公式为：wi（n+1）=E{XG'（wi（n）X）}-E{XG''（wi（n）X）}wi（n）。

当相邻两次的wi（n）无变化或变化很小时，即可认为s（in）≈si，迭代过程结束。但是需要注意的是：每次迭代后，都要对wi（n）进行归一化处理：

wi（n）=wi（n）/‖wi（n）‖，以确保分离结果具有单位能量，这是ICA的一个基本限制。对于多个的独立分量，可重复使用上述过程进行分离，但每提取出一个独立分量后，要从观测信号中减去这一独立分量。如此重复，直至所有独立分量完全分离。并可得到混合矩阵A和分离矩阵W∶W=W·B。

2.声音信号功率放大器

利用三极管的电流控制作用的电压控制作用，将电源的功率转换为随输入信号变化的电流。三极管的集电极电流永远是基极电流的β倍，β是三极管的交流放大倍数，利用这一点，若将小信号注入基极，则集电极流过的电流会等于基极电流的β倍，然后将这个信号用隔直电容隔离出来，就得到了原先的β倍的电流或电压的大信号，这现象成为三极管的放大作用。

3.样本库建立

通过网络下载各种不同的动物声音，或者通过一些声音记录软件进行声音的收集，比如GoldWave V5.12、中文录音编辑处理器（WAVECN） V2.0.0.5、录音能手V5.620等。

二、仿真实验

根据已完成的ICA在声音分离中的实验结果，我们用笑声、歌声、噪音构成源信号向量S，采集到的信号频率8kHz，长度为1.831s。使用矩阵（3*3）对源信号进行线性混合生成观察信号B。B是一种混合的声音信号，每一个观测信号中均包含三种声源信号。使用该分量可用来模拟在公共场所的录音。由于不同声音信号的频带是相互混叠的，所以使用传统的频域滤波方法难以实现各声音信号的分离。

根据前面对ICA方法及应用场合的分析，我尝试用ICA方法对混合声音信号进行分离。按照前面所说明的ICA实现步骤。我们实现了这一算法。无论是从信号波形还是从声音效果上，分离的结果都非常理想。

三、结论

本文所设计的野外动物声音探测仪可识别出猫、狗、猪、马等亲缘关系较远的声音，因为这些动物的发声器官相差很大，发出声音的频率等特征差异非常明显，只要提供足够的样本，区分到纲、目都不难。

参考文献：

[1]缪 璇，安建昌，唐 璜，等.从“马航事件”浅析光纤水下声音探测技术[J].中国公共安全，2014（13）：157-160.

[2]黄山春，李朝绪，阎 伟，等.红棕象甲幼虫声音室内探测[J].热带作物学报，2011，32（10）：1915-1920.