基于ICA算法的野外動物聲音探測儀設計

李澤鑫

摘 要：文章作者提出的基于ICA算法的野外動物聲音探測儀設計主要通過對戶外生態環境所發生的聲波進行分析：聲源分離、聲音采集、聲音分類比較，從而判斷出周圍野生動物的種類。該探測儀主要適用于生態環境中對野生動物的調查與保護工作以及生態環境的勘測工作，或是適用于野外探險愛好者，判斷周圍有無危險的動物，保證自身的安全。

一、設計方法

本文設計的野外動物聲音探測儀總體結構設計如下圖所示，首先對生態環境中的多聲源進行分離處理，采集動物聲音的樣本；其次將動物聲音樣本與樣本庫進行對比，提取特征，由ICA模型進行分類；最后識別出動物種類。

1.ICA（FastICA）算法介紹

FastICA算法分兩步實現：①白化處理；②獨立分量提取。白化處理是為了去除各觀測信號間的相關性，從而簡化了后續獨立分量提取過程。信號的白化處理比較簡單，用類似主分量分析方法即可實現。設白化后的信號為X，則X滿足：E{X*X}=E{（B*X）（B*X）}。

我們用變量n表示迭代步數，令S（n）中的某一分量wi（n）為分離矩陣wi（n）中與s（in）對應的某一行向量，即：s（in）s（in）=wiT（n）；n=1，2，3...

分離過程中用目標函數對分離結果s（in）的非斯性進行度量，并對wi（n）進行調整。FastICA算法的調整公式為：wi（n+1）=E{XG'（wi（n）X）}-E{XG''（wi（n）X）}wi（n）。

當相鄰兩次的wi（n）無變化或變化很小時，即可認為s（in）≈si，迭代過程結束。但是需要注意的是：每次迭代后，都要對wi（n）進行歸一化處理：

wi（n）=wi（n）/‖wi（n）‖，以確保分離結果具有單位能量，這是ICA的一個基本限制。對于多個的獨立分量，可重復使用上述過程進行分離，但每提取出一個獨立分量后，要從觀測信號中減去這一獨立分量。如此重復，直至所有獨立分量完全分離。并可得到混合矩陣A和分離矩陣W∶W=W·B。

2.聲音信號功率放大器

利用三極管的電流控制作用的電壓控制作用，將電源的功率轉換為隨輸入信號變化的電流。三極管的集電極電流永遠是基極電流的β倍，β是三極管的交流放大倍數，利用這一點，若將小信號注入基極，則集電極流過的電流會等于基極電流的β倍，然后將這個信號用隔直電容隔離出來，就得到了原先的β倍的電流或電壓的大信號，這現象成為三極管的放大作用。

3.樣本庫建立

通過網絡下載各種不同的動物聲音，或者通過一些聲音記錄軟件進行聲音的收集，比如GoldWave V5.12、中文錄音編輯處理器（WAVECN） V2.0.0.5、錄音能手V5.620等。

二、仿真實驗

根據已完成的ICA在聲音分離中的實驗結果，我們用笑聲、歌聲、噪音構成源信號向量S，采集到的信號頻率8kHz，長度為1.831s。使用矩陣（3*3）對源信號進行線性混合生成觀察信號B。B是一種混合的聲音信號，每一個觀測信號中均包含三種聲源信號。使用該分量可用來模擬在公共場所的錄音。由于不同聲音信號的頻帶是相互混疊的，所以使用傳統的頻域濾波方法難以實現各聲音信號的分離。

根據前面對ICA方法及應用場合的分析，我嘗試用ICA方法對混合聲音信號進行分離。按照前面所說明的ICA實現步驟。我們實現了這一算法。無論是從信號波形還是從聲音效果上，分離的結果都非常理想。

三、結論

本文所設計的野外動物聲音探測儀可識別出貓、狗、豬、馬等親緣關系較遠的聲音，因為這些動物的發聲器官相差很大，發出聲音的頻率等特征差異非常明顯，只要提供足夠的樣本，區分到綱、目都不難。

參考文獻：

[1]繆 璇，安建昌，唐 璜，等.從“馬航事件”淺析光纖水下聲音探測技術[J].中國公共安全，2014（13）：157-160.

[2]黃山春，李朝緒，閻 偉，等.紅棕象甲幼蟲聲音室內探測[J].熱帶作物學報，2011，32（10）：1915-1920.