卓瑞巖，向　陽(yáng)，李勝揚(yáng)

雙通道定位與盲分離結(jié)合的噪聲分離方法

卓瑞巖1，2，向陽(yáng)1，2，李勝揚(yáng)1，2

（1.武漢理工大學(xué) 能源與動(dòng)力工程學(xué)院，武漢 430063；2.武漢理工大學(xué) 船舶動(dòng)力系統(tǒng)運(yùn)用技術(shù)交通行業(yè)重點(diǎn)實(shí)驗(yàn)室，武漢 430063）

探索雙通道定位算法與盲源分離相結(jié)合進(jìn)行噪聲分離的可能。根據(jù)雙通道空間定位理論，以聲音傳播過(guò)程中在雙通道間產(chǎn)生的延時(shí)差和強(qiáng)度差為線索對(duì)混合信號(hào)進(jìn)行分離。當(dāng)待分離的輻射噪聲中存在時(shí)頻混疊或同一位置多個(gè)源時(shí)，雙通道定位分離算法能分離出不同位置處源信號(hào)，然后利用盲源分離方法對(duì)同一位置處的多個(gè)源信號(hào)進(jìn)行再分離。在Roomsim中進(jìn)行分離方案的可行性驗(yàn)證，假設(shè)房間六個(gè)壁能100%吸收所有頻率信號(hào)，不存在反射與混響，對(duì)比分析聲源位置及個(gè)數(shù)對(duì)分離結(jié)果的影響。結(jié)果表明，當(dāng)源位置的個(gè)數(shù)不大于3時(shí)，雙通道定位分離算法能有效分離出不同位置的聲源信號(hào)，用盲源分離方法可進(jìn)一步分離出相同位置處的不同源信號(hào)，但當(dāng)源位置個(gè)數(shù)大于等于4時(shí)雙通道定位分離算法的分離性能降低。

聲學(xué)；雙通道定位；延時(shí)；衰減；盲源分離；噪聲分離

內(nèi)燃機(jī)噪聲源的識(shí)別定位研究方法主要包括基于聲陣列技術(shù)的噪聲源識(shí)別方法和基于現(xiàn)代信號(hào)處理技術(shù)的噪聲源識(shí)別方法［1］。聲陣列技術(shù)中的波束形成可以識(shí)別表面輻射噪聲源，Pengxiao Teng、Rilin Chen等用螺旋形傳聲器陣列技術(shù)對(duì)風(fēng)力渦輪發(fā)電機(jī)主要噪聲源產(chǎn)生部位進(jìn)行了識(shí)別和可視化研究［2］?，F(xiàn)代信號(hào)處理中的盲源分離能對(duì)混合噪聲進(jìn)行分離，得到單一聲源。李林潔等結(jié)合EMD和ICA對(duì)內(nèi)燃機(jī)噪聲源進(jìn)行了識(shí)別研究并進(jìn)行試驗(yàn)驗(yàn)證［3］。根據(jù)計(jì)算聽覺(jué)場(chǎng)景分析［4-5］基本理論，Scott Richard等提出雙通道定位分離算法，以雙通道信號(hào)間的延時(shí)差和衰減差為分離組織線索進(jìn)行聚類分析，結(jié)合時(shí)頻掩蔽重構(gòu)出單一位置源信號(hào)，達(dá)到分離效果［6-7］。

聲陣列技術(shù)能夠得到聲壓云圖，不能達(dá)到分離的目的，盲源分離技術(shù)要求源信號(hào)滿足高斯性假設(shè)，且存在幅值不確定性，雙通道定位分離算法不存在高斯性假設(shè)，但無(wú)法分離同一位置處的多個(gè)源。針對(duì)上述問(wèn)題，本文將結(jié)合雙通道定位分離算法與盲源分離算法，首先用雙通道定位分離出不同位置聲源信號(hào)，進(jìn)一步對(duì)同一位置存在混疊的分量進(jìn)行盲源分離，探索此分離方案的可行性。

1　雙通道定位理論

1.1混合模型

算法假設(shè)不存在信號(hào)源反射造成的干擾，因源信號(hào)的混合方式基本滿足無(wú)反射混合模型。假設(shè)有N個(gè)源信號(hào)sj（t），j=1，…，N，經(jīng)過(guò)一段傳播途徑，被兩個(gè)傳聲器接收的混合信號(hào)分別為x1（t）和x2（t），考慮到兩個(gè)接收信號(hào)之間的衰減和延時(shí)，則無(wú)反射混合模型可表示如下

其中N是源信號(hào)數(shù)，δj為源信號(hào)Sj到達(dá)兩傳聲器的延時(shí)，αj為源信號(hào)Sj到達(dá)兩傳聲器時(shí)產(chǎn)生的相對(duì)衰減。

1.2聲源定位

由傅里葉變換的時(shí)移性質(zhì)有

因此，無(wú)反射混合模型轉(zhuǎn)變成時(shí)頻域表達(dá)式為

根據(jù)信號(hào)時(shí)頻點(diǎn)的正交性，每個(gè)時(shí)頻點(diǎn)上至多只有一個(gè)源信號(hào)占優(yōu)。因此，對(duì)于其中某一確定的時(shí)頻點(diǎn)（τω），混合信號(hào)可以表述為下式

根據(jù)上式，對(duì)某一時(shí)頻點(diǎn)，雙通道信號(hào)時(shí)頻域的比值決定了該時(shí)頻點(diǎn)上占優(yōu)能量的衰減和延時(shí)屬性，因此對(duì)每個(gè)時(shí)頻點(diǎn)作雙通道信號(hào)的比值計(jì)算

由此可以計(jì)算得到各個(gè)時(shí)頻點(diǎn)上延時(shí)和衰減的計(jì)算公式

計(jì)算出混合參數(shù)對(duì)后，由最大似然估計(jì)（Maximum-Likelihood，ML）算子式得到每個(gè)時(shí)頻點(diǎn)的加權(quán)幅值

其中，一般取p=1，q=0。且每個(gè)幅值都對(duì)應(yīng)一個(gè)衰減和延時(shí)參數(shù)對(duì)，將具有相同對(duì)稱衰減和延時(shí)參數(shù)對(duì)幅值進(jìn)行累加，即可得到二維直方圖矩陣的幅值

△α、△δ為衰減和延時(shí)分辨率寬度，I（α，δ）為屬于某一聲源的衰減-延時(shí)集合。聲源位置與直方圖中峰值坐標(biāo)相對(duì)應(yīng)，圖1是將三個(gè)聲源布置不同位置時(shí)得到的直方圖，三個(gè)峰值即代表三個(gè)聲源。

圖1　三個(gè)不同位置處聲源的衰減-延時(shí)聚類圖

1.3聲源分離

由于聲源位置信息與衰減-延時(shí)坐標(biāo)相對(duì)應(yīng)，因此用時(shí)頻掩蔽的方法將聲源分離。以據(jù)峰值中心坐標(biāo)的歐氏距離作為最大相似度，將峰值附近的時(shí)頻點(diǎn)歸為一類，使用二進(jìn)制時(shí)頻掩蔽將屬于一類的時(shí)頻點(diǎn)標(biāo)記如下

其中αn和δn是第n個(gè)聲源的衰減和延時(shí)區(qū)間。用上式將同一源信號(hào)的時(shí)頻單元提取出來(lái)，再由傅里葉逆變換將提取的時(shí)頻域下的源信號(hào)恢復(fù)到時(shí)域，以此達(dá)到不同位置處聲源的分離目的。

綜上所述，雙通道定位分離算法的計(jì)算流程如表1所示。

2　盲源分離

雙通道定位分離方法可將不同位置處源信號(hào)分離開來(lái)，但對(duì)同一位置存在多個(gè)源信號(hào)的情況，此處分量仍為混合信號(hào)，這就構(gòu)成了欠定盲源分離問(wèn)題。解決盲源分離問(wèn)題的基本方法是獨(dú)立分量分析（ICA），而ICA要求輸入為多通道信號(hào)。因此將數(shù)據(jù)分解和ICA相結(jié)合可以解決多輸入要求的難題［9］。集總經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）根據(jù)信號(hào)本身的時(shí)頻域特性，將其分解成為若干個(gè)本征模態(tài)函數(shù)和一個(gè)單調(diào)殘余量，分解結(jié)果充分保留信號(hào)本身非平穩(wěn)和非線性特征，具有很好的自適應(yīng)性，同時(shí)可以有效抑制模態(tài)混疊現(xiàn)象［10］。因此，用EEMD作為ICA的數(shù)據(jù)前處理方法，具體流程見(jiàn)圖2。

表1　雙通道定位算法的計(jì)算過(guò)程

圖2　EEMD+ICA分離流程圖

3　可行性分析

仿真試驗(yàn)在Roomsim中進(jìn)行，分析聲源個(gè)數(shù)及聲源位置（見(jiàn)表2）對(duì)分離效果的影響。房間尺寸設(shè)為6.25 m×3.75 m×2.5 m，六個(gè)壁面對(duì)所有聲音頻率具有相同的吸聲系數(shù)，即六個(gè)吸聲壁能100%吸收所有頻率信號(hào)，不存在反射與混響。兩個(gè)全指向性麥克風(fēng)連線中點(diǎn)位于（1.6 m、1.9 m、.1 m）處，麥克風(fēng)間距設(shè)為4 cm，聲源處于同一正半平面的不同方位角，如圖3所示。

圖3　試驗(yàn)結(jié)構(gòu)示意圖

表2　聲源個(gè)數(shù)及位置

3.1聲源個(gè)數(shù)對(duì)分離效果的影響

經(jīng)仿真試驗(yàn)得出，聲源數(shù)目小于等于3時(shí)，雙通定位分離算法可得到峰值與聲源清晰對(duì)應(yīng)的直方圖，分離效果較為理想，而聲源數(shù)目大于3時(shí)，直方圖中峰值與源信號(hào)對(duì)應(yīng)不明顯，難以得到理想的分離結(jié)果。以3個(gè)聲源（試驗(yàn)3）和4個(gè)聲源（試驗(yàn)6）為例，選取相同長(zhǎng)度語(yǔ)音信號(hào)作為源信號(hào)進(jìn)行混合，文中所用語(yǔ)音信號(hào)均來(lái)自TIMIT語(yǔ)音庫(kù)，為經(jīng)歸一化處理后的無(wú)量綱數(shù)據(jù)，如圖4所示。

圖4　源信號(hào)時(shí)域波形圖

雙通道定位算法對(duì)混合信號(hào)進(jìn)行分離，得到圖5所示直方圖，其中（a）直方圖清晰顯示出三個(gè)峰值，對(duì)應(yīng)三個(gè)源信號(hào)，而（b）直方圖只有一個(gè)較為突出峰值，其他峰值不明顯，無(wú)法較好分離出源信號(hào)。

其中（a）三聲源分離結(jié)果中y1對(duì)應(yīng)源信號(hào)S1，y2對(duì)應(yīng)源信號(hào)S3，y3對(duì)應(yīng)源信號(hào)S2，分離效果理想。而（b）四聲結(jié)合時(shí)頻掩蔽，將峰值對(duì)應(yīng)源信號(hào)進(jìn)行分離，結(jié)果如圖6所示。

圖5　不同聲源數(shù)目延時(shí)衰減聚類直方圖

圖6　分離分量時(shí)域波形圖

源分離結(jié)果中y1、y2與源信號(hào)S1、S2對(duì)應(yīng)，y3、y4與S3、S4源信號(hào)差別較大。由此可見(jiàn)，雙通道定位分離算法對(duì)于源數(shù)目大于3的混合信號(hào)分離性能較差。

3.2聲源位置對(duì)分離效果的影響

試驗(yàn)中發(fā)現(xiàn)，當(dāng)聲源數(shù)目一定時(shí)，其所處位置對(duì)雙通道定位分離性能同樣存在較大影響，聲源位置分布包括無(wú)聲源位置重疊和有聲源位置重疊兩種情況。

3.2.1無(wú)聲源位置重疊

以試驗(yàn)5、試驗(yàn)6為例進(jìn)行對(duì)比，聲源分別位于（-90°、-30°、30°、90°）和（-60°、-20°、20°、60°）處，如下圖7所示，聲源信號(hào)為圖4（b）中所示四段語(yǔ)音信號(hào)。

圖7　聲源與麥克風(fēng)位置示意圖

雙通道定位算法對(duì)兩路混合信號(hào)進(jìn)行分離，得到圖8所示延時(shí)和衰減的聚類直方圖。

由圖8可得，當(dāng)聲源數(shù)目相同，而聲源分布位置不相同時(shí)，所得分離結(jié)果有明顯差異。試驗(yàn)5所得直方圖存在一個(gè)主峰值和較多雜亂的小峰值，峰值個(gè)數(shù)明顯大于聲源個(gè)數(shù)，結(jié)合時(shí)頻掩蔽無(wú)法達(dá)到分離效果。圖8（b）顯示出一個(gè)主峰值和三個(gè)較小峰值，結(jié)合時(shí)頻掩蔽可以分離出與源數(shù)目相等的分量，分量波形如圖6（b）所示，分離效果較好。

3.2.2有聲源位置重疊

當(dāng)同一位置存在多個(gè)聲源時(shí)，雙通道定位分離算法無(wú)法將這些聲源分離開，需要結(jié)合盲源分離進(jìn)行分離。以試驗(yàn)4為例，設(shè)置兩個(gè)聲源位于相近的空間角如S1和S2，如圖9所示。

圖8　不同聲源位置延時(shí)聚類直方圖

圖9　聲源位置混疊示意圖

源信號(hào)S1、S2和S3時(shí)域波形如圖10所示。

圖10　源信號(hào)的時(shí)域波形

首先用雙通道定位算法對(duì)兩路混合信號(hào)進(jìn)行分離，得到如圖11的延時(shí)和衰減的聚類表示。從圖中看出，由于源信號(hào)S1和S2布置在很近的空間位置，其對(duì)應(yīng)的直方圖峰值統(tǒng)計(jì)能量較大；圖中僅出現(xiàn)兩個(gè)峰值說(shuō)明算法無(wú)法將三個(gè)源信號(hào)分離出來(lái)。

圖11　雙通道定位分離的特征聚類表示

雙通道定位分離得到兩個(gè)分量y1和y2，如圖12所示。

圖12　雙通道算法分離得到的兩個(gè)分量

從定量判斷的角度對(duì)信號(hào)進(jìn)行包絡(luò)相關(guān)分析，計(jì)算各分量與不同源信號(hào)相關(guān)系數(shù)，結(jié)合主觀判斷，得出分量y2對(duì)應(yīng)源信號(hào)中的S3，y1是位于相近位置的S1和S2的混合信號(hào)，針對(duì)上述分離的分量y1，盲源分離方法進(jìn)行分離，得到兩個(gè)分量Z1和Z2，如圖13所示。由于盲源分離本身存在的幅值不確定性，分離結(jié)果與源信號(hào)存在一些差異，但可以看出，分量Z1對(duì)應(yīng)源信號(hào)中的S1，而分量Z2對(duì)應(yīng)S2。因此，仿真分析達(dá)到了分離全部源信號(hào)的效果，也驗(yàn)證了前述雙通道定位算法與盲源分離相結(jié)合的噪聲分離方案的可行性。

圖13　盲源分離得到的兩個(gè)分量

4　結(jié)語(yǔ)

（1）基于雙通道定位理論的噪聲分離方法可以分離出不同位置處聲源，再借助EEMD和ICA相結(jié)合的盲源分離方法，可將同一位置處的多個(gè)源信號(hào)分離出來(lái)。

（2）當(dāng)源信號(hào)數(shù)目不大于3時(shí)，雙通道定位分離算法分離性能較好，算法的分離性能隨著聲源數(shù)目的增加而降低。源信號(hào)位置以及對(duì)混合信號(hào)進(jìn)行時(shí)頻分解時(shí)窗函數(shù)和頻率間隔對(duì)算法性能均有影響，這是否是導(dǎo)致算法不適用于大于3個(gè)聲源的原因以及對(duì)雙通道定位分離算法的優(yōu)化有待進(jìn)一步探索。

［1］胡伊賢，李舜酩，張?jiān)?，?車輛噪聲源識(shí)別方法綜述［J］.振動(dòng)與噪聲控制，2012，32（5）：11-15.

［2］TENG PENG XIAO，CHEN RI LIN，YANG YI CHUN. Noise source identification applied in electric power industry using microphone arrays［J］.Scientific Research Engineering，2013（5）：152-156.

［3］李林潔.EMD和ICA在內(nèi)燃機(jī)振聲信號(hào)分析中的應(yīng)用研究［D］.天津：天津大學(xué)，2012.

［4］BERGMAN A S.Auditory scene analysis：The peceptual organization of sound［M］.Boston：The MIT Press，1990.

［5］WANG D L，BROWN G J.Computational auditory scene analysis：principles，algorithms，andapplications［M］. Wiley-IEEE PRESS，Hoboken，N J，2006.

［6］SCOTT RICKARD.The DUET blind source separation algorithm［M］.BlindSpeechSeparation，Springer Netherlands，2007：217-241.

［7］ALEXANDER JOURJINE，SCOTT RICKARD，OZGIIR YZLMAZ.Blind separation of disjoint orthogonal signals：demixing n sources from 2 mixtures［J］.IEEE，2000：2985-2988.

［8］付寧，曹離然，彭喜元，等.基于局部峰值方差檢測(cè)的改進(jìn)DUET算法研究［J］.電子測(cè)量與儀器學(xué)報(bào)，2010，24（5）：437-442.

［9］谷千偉，金煒東，余志斌.基于EEMD和ICA的單通道列車信號(hào)盲分離［J］.計(jì)算機(jī)應(yīng)用研究，2014，31（5）：1551-1553.

［10］鄭旭，郝志勇，金陽(yáng)，等.基于EEMD與廣義S變換的內(nèi)燃機(jī)噪聲源識(shí)別研究［J］.內(nèi)燃機(jī)工程，2011，32（5）：68-73.

Noise Separation Based on Dual-channel Source Localization and Blind Source Separation

ZHUO Rui-yan1，2，XIANGYang1，2，LI Sheng-yang1，2
（1.School of Energy and Power Engineering，Wuhan University of Technology，Wuhan 430063，China；2.Key Laboratory of Marine Power Engineering and Technology，Ministry of Communications，Wuhan 430063，China）

The noise source identification based on dual-channel localization algorithm and blind source separation（BSS）is studied.According to the principle of the dual-channel localization algorithm，the noise sources in different places can be separated based on time-delay difference and intensity difference between the two channels in sound propagation process.When the radiation noise has a time-frequency overlap or multiple excitation sources appear in a same place，the dual-channel localization algorithm can separate the source signals in different places.Then，the BSS method is adopted to re-separate the multiple source signals at the same place.Finally，the feasibility of this method is verified in Roomsim，and the influence of source number and location on separation performance is analyzed.The results show that the separation method combining the dual-channel localization algorithm with BSS can separate the sources efficiently and is independent of the noise from the other positions.However，the dual-channel localization algorithm does not work well when the source number is larger than 3.

acoustics；dual-channel localization；time-delay difference；intensity difference；blind source separation（BSS）；noise separation

TK421+.6

ADOI編碼：10.3969/j.issn.1006-1335.2016.03.028

1006-1355（2016）03-0137-05+163

2015-12-29

國(guó)家自然科學(xué)基金資助項(xiàng)目（51279148）

卓瑞巖（1990-），男，河南省新鄉(xiāng)市人，碩士研究生，主要研究方向?yàn)樵肼暱刂?、?shù)字信號(hào)處理。E-mail：15516585566@163.com

向陽(yáng)（1962-），女，博士，教授，博士生導(dǎo)師，主要研究方向?yàn)檎駝?dòng)噪聲分析與控制、動(dòng)力機(jī)械狀態(tài)檢測(cè)與故障診斷。E-mail：yxiang@whut.edu.cn