CN103514877A

CN103514877A - 振动信号特征参数提取方法

Info

Publication number: CN103514877A
Application number: CN201310476724.9A
Authority: CN
Inventors: 罗广迪; 莫家庆; 许亮; 王文伟
Original assignee: XINJIANG MEITE INTELLIGENT SECURITY ENGINEERING Co Ltd
Current assignee: XINJIANG MEITE INTELLIGENT SECURITY ENGINEERING Co Ltd
Priority date: 2013-10-12
Filing date: 2013-10-12
Publication date: 2014-01-15

Abstract

本发明公开了一种振动信号特征参数提取方法，包括以下步骤：对采集的振动信号进行预处理；对上述预处理后的振动信号进行离散小波变换，得到小波系数；对上述小波系数进行快速傅里叶变换，得出小波系数的频谱，以及各层小波系数的样点数；按照频率的高低顺序，将上述各层小波系数的样点数合成完整频谱；计算上述各层小波系数能量，求出mel对数功率谱；对上述mel对数功率谱进行离散小波变换；提取mel离散小波变换谱振幅，作为振动信号特征参数。达到提高动信号特征参数精确度的目的。

Description

振动信号特征参数提取方法

技术领域

本发明涉及信号处理领域，具体地，涉及一种振动信号特征参数提取方法。

背景技术

人耳能从嘈杂的背景噪声中听到语音信号，是因人的内耳基底膜可以依据外来声波振动信号进行自我调节，它就像一组滤波器一样，对不同频率的声波振动信号产生相应不同的振动，从而接收到外来声波并传送至大脑产生听觉。

与背景噪声中的语音信号类似，光纤/电缆振动传感系统采集到的振动信号也伴随着风、雨、人类活动等噪声，要想从背景噪声中提取出目标振动信号，也要有像内耳基底膜一样的一组滤波器来对不同频段的振动信号产生相应的反应。此外，光纤/电缆振动传感系统采集到的振动信号与语音（音频）信号的频率范围基本相同，均为数十到数千赫兹，因此该振动信号的分析与识别方法，与语音信号的分析和识别方法是类似的。

在语音信号分析方法中，梅尔频率倒谱系数（MFCC）是一种相对广泛使用的特征参数，其提取方法如下：

对每一帧信号计算N点离散傅里叶变换，然后取模的平方得到离散功率谱

Figure 2013104767249100002DEST_PATH_IMAGE002

Figure 2013104767249100002DEST_PATH_IMAGE004

计算通过

个带通滤波器后的功率

Figure 2013104767249100002DEST_PATH_IMAGE008

,

Figure 2013104767249100002DEST_PATH_IMAGE010

。

计算

Figure 2013104767249100002DEST_PATH_IMAGE014

的自然对数

Figure 2013104767249100002DEST_PATH_IMAGE016

，

Figure 2013104767249100002DEST_PATH_IMAGE018

。

Figure 2013104767249100002DEST_PATH_IMAGE020

计算

Figure 2013104767249100002DEST_PATH_IMAGE022

的离散余弦变换，获得倒谱

，

Figure 2013104767249100002DEST_PATH_IMAGE026

。

Figure 2013104767249100002DEST_PATH_IMAGE028

其中

Figure 2013104767249100002DEST_PATH_IMAGE030

舍去

Figure 2013104767249100002DEST_PATH_IMAGE032

中代表直流的

，取

Figure 2013104767249100002DEST_PATH_IMAGE036

为梅尔频率倒谱系数。

梅尔频率倒谱系数的缺点是该特征参数基于短时平稳的假设条件，利用短时傅里叶变换在一个确定的时频分辨率上考察信号，不能随信号的变化动态调整时频分辨率，它仅对信号的静态特征进行描述，忽略了动态特征，这是一个天然缺陷。在对每帧信号进行短时傅里叶分析时，帧长的大小决定了系统的时间分辨率。帧长较小时，时间分辨率高，但会受到窗函数的不利影响从而降低频率分辨率，容易对突变信号过度敏感；帧长较大时，虽然可以克服上述缺点，但又与短时平稳的假设条件相悖，使得分析结果出现失真。光纤/电缆振动传感系统采集到的振动信号是非平稳信号，其频谱特性随时间而改变。因此，使用梅尔频率倒谱系数对上述非平稳的振动信号进行分析时，结果的精确性会受到制约。

发明内容

本发明的目的在于，针对上述问题，提出一种振动信号特征参数提取方法，以实现提高动信号特征参数精确度的优点。

为实现上述目的，本发明采用的技术方案是：

一种振动信号特征参数提取方法，包括以下步骤：

步骤一：对采集的振动信号进行预处理；

步骤二：对上述预处理后的振动信号进行离散小波变换，得到小波系数；

步骤三：对上述小波系数进行快速傅里叶变换，得出小波系数的频谱，以及各层小波系数的样点数；

步骤四：按照频率的高低顺序，将上述各层小波系数的样点数合成完整频谱；

步骤五：计算上述各层小波系数能量，求出mel对数功率谱；

步骤六：对上述mel对数功率谱进行离散小波变换；

步骤七：提取mel离散小波变换谱振幅，作为振动信号特征参数。

根据本发明的优选实施例，上述步骤一对采集的振动信号进行预处理包括以下步骤：

对采集的信号进行预加重，以提升高频部分的步骤；

对上述预加重信号进行分帧：采用交叠分段的方法，使每一帧的帧尾与下一帧的帧头重叠的步骤；

以及

对上述分帧后的信号加汉明窗，减小截断效应，保证信号帧两端平滑过渡的步骤。

根据本发明的优选实施例，上述步骤五计算上述各层小波系数能量，求出mel对数功率谱包括以下步骤：

对合成后的完整频谱取平方，求得振动信号功率谱的步骤；

用M个mel带通滤波器对上述振动信号功率谱进行滤波的步骤；

以及

对每个滤波器的输出取对数，求得对应频带的对数功率谱的步骤。

本发明的技术方案具有以下有益效果：

本发明的技术方案，引入小波变换的分析方法，解决短时傅里叶分析方法在处理非平稳信号时的缺陷，与短时傅里叶分析的固定窗宽不同，小波变换的实质是一种可调的加窗分析。本发明的技术方案采用离散小波变换来取代快速傅里叶变换，然后使用相同的mel滤波器组进行后期的滤波。从而引出与以往快速傅里叶变换不同的参数。在获得mel对数功率谱之后，再次使用离散小波变换取代快速傅里叶变换，以实现滤波器组能量分离。从而达到了提高动信号特征参数精确度的目的。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明实施例所述的振动信号特征参数提取方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

如图1所示，一种振动信号特征参数提取方法，包括以下步骤：

步骤101：对采集的振动信号进行预处理；

步骤102：对上述预处理后的振动信号进行离散小波变换，得到小波系数；

步骤103：对上述小波系数进行快速傅里叶变换，得出小波系数的频谱，以及各层小波系数的样点数；

步骤104：按照频率的高低顺序，将上述各层小波系数的样点数合成完整频谱；

步骤105：计算上述各层小波系数能量，求出mel对数功率谱；

步骤106：对上述mel对数功率谱进行离散小波变换；

步骤107：提取mel离散小波变换谱振幅，作为振动信号特征参数。

其中，步骤101中对采集的振动信号进行预处理包括以下步骤：

对采集的信号进行预加重，以提升高频部分；

对上述预加重信号进行分帧：采用交叠分段的方法，使每一帧的帧尾与下一帧的帧头重叠；

以及

对上述分帧后的信号加汉明窗，减小截断效应，保证信号帧两端平滑过渡。

步骤105中计算上述各层小波系数能量，求出mel对数功率谱包括以下步骤：

对合成后的完整频谱取平方，求得振动信号功率谱；

用M个mel带通滤波器对上述振动信号功率谱进行滤波；

以及

对每个滤波器的输出取对数，求得对应频带的对数功率谱。

在实际测试中，环境为常用的用在外墙上的光纤振动传感系统防护网，选择测试人员共有9名，其中6名男性3名女性。这9名测试人员被逐一带入测试环境，独立对防护网进行自由方式的徒手攀爬、挤压、拍打、往复晃动共4种模式的入侵或破坏动作。并记录每人每种模式对铁网的10次行为，这样，每种模式的入侵或破坏动作就有9×10=90次，4种模式共有10×4×9=360次（总样本数）。

在每人对铁网的每种模式的10次行为中，随机取出3次作为训练样本，其余7次作为识别样本。识别方法采用已经比较成熟的矢量量化方法，码本设计采用LBG算法。在上述相同条件下，首先采用线性预测倒谱系数和梅尔频率倒谱系数这两种具有很好代表性的传统特征参数，在使用线性预测倒谱系数进行识别时，攀爬、挤压、拍打、往复晃动这4种模式对应的识别正确率分别为89.37%、91.23%、94.75%、93.06%，使用梅尔频率倒谱系数对应结果分别为89.62%、91.71%、95.02%、93.27%。而采用本发明技术方案提出的特征参数识别时，正确率分别为94.31%、95.59%、99.15%、97.87%，比线性预测倒谱系数和梅尔频率倒谱系数的参数提取的精度平均提高了4.60%。而在一个有1175个振动信号样本的数据库上进行测试，使用现有特征参数提取方法得到的识别正确率平均为91.04%，使用本发明技术方案方法得到的识别正确率平均为95.16%，提高了4.12%。

我们应用小波分析时，需要实现对低频信号加宽时窗，例如在刮风天，布设在野外的挂网振动光纤/电缆随着防护网发生缓慢摆动，就会传回体现防护网摆动频率的某些相对低频率的噪声，如果人为触动防护网，也会产生一定频率的晃动信号；而对高频信号，我们需要加窄时窗，例如风吹或人为入侵时，防护网的自身摩擦会产生高频信号。

其中，mel对数为MFCC中的技术术语。图中的DWT为小波变换。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种振动信号特征参数提取方法，其特征在于，包括以下步骤：