基于生成對(duì)抗單分類網(wǎng)絡(luò)的異常聲音檢測(cè)

薛英杰, 韓 威, 周松斌, 劉憶森

(1. 昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院, 昆明 650504； 2. 廣東省科學(xué)院智能制造研究所 廣東省現(xiàn)代控制技術(shù)重點(diǎn)實(shí)驗(yàn)室, 廣州 510070)

聲音中所包含的信息與視頻、圖像、文字等媒介有強(qiáng)烈的互補(bǔ)性. 通過聲音, 可以獲得不可見、無法接觸的諸多信息, 在材料內(nèi)部結(jié)構(gòu)探測(cè)、無損檢測(cè)、日常生活等領(lǐng)域應(yīng)用廣泛, 如家禽的鳴叫聲、工廠中的管路探傷、車輛行駛中的異響等. 電機(jī)、家畜等可通過主動(dòng)發(fā)聲判斷其所處的狀態(tài), 而對(duì)于不能主動(dòng)發(fā)聲的物體可通過氣錘敲擊、電磁脈沖擊打等方式使物體被動(dòng)發(fā)聲, 判斷其是否損壞. 這種檢測(cè)方法盡管具有簡(jiǎn)單有效的優(yōu)點(diǎn), 但也存在著方法單一、沒有統(tǒng)一標(biāo)準(zhǔn)、過于依賴經(jīng)驗(yàn)、不能實(shí)時(shí)監(jiān)控等缺點(diǎn).

異常聲音檢測(cè)[1]是指對(duì)與目標(biāo)類聲音不一致的聲音識(shí)別, 近年在軍事、畜牧業(yè)、工業(yè)、醫(yī)學(xué)等領(lǐng)域已有少量相關(guān)報(bào)道. 目前, 異常聲音檢測(cè)的方法主要有直接觀察聲音時(shí)域、頻域波形和通過有監(jiān)督地訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型, 利用網(wǎng)絡(luò)模型進(jìn)行異常聲音檢測(cè)兩類方法. Jeon等[2]利用聲音探測(cè)了恐怖主義等惡意目的的無人機(jī); Du等[3]通過檢測(cè)家禽夜間鳴叫聲判斷家禽是否處于異常狀態(tài); 李江麗等[4]為了預(yù)防生豬呼吸道傳染病的傳播, 通過生豬咳嗽聲監(jiān)測(cè)生豬的健康狀態(tài); 祁驍杰等[5]通過直接對(duì)比分析楊樹木段中害蟲幼蟲的聲音時(shí)域和頻域波形檢測(cè)害蟲幼蟲數(shù)量, 達(dá)到保護(hù)樹木的目的; 王中旂等[6]通過直接觀察氣錘敲擊石墨電極聲音頻譜圖檢測(cè)石墨電極內(nèi)部是否缺損, 因?yàn)殡姌O的缺陷處對(duì)信號(hào)具有濾波的作用, 缺損電極的頻率成分比無損電極頻率成分更簡(jiǎn)單; 李春雷等[7]采集了發(fā)電機(jī)正常狀態(tài)聲音和其他3種異常聲音, 通過有監(jiān)督學(xué)習(xí)的方式訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)達(dá)到檢測(cè)發(fā)電機(jī)狀態(tài)的目的; 李朋湃[8]通過檢測(cè)人類的心音診斷心血管疾病; 李春陽等[9]因洗衣機(jī)異常聲音數(shù)據(jù)稀疏, 首先通過生成對(duì)抗網(wǎng)絡(luò)生成大量的洗衣機(jī)異常聲音, 然后使用有監(jiān)督的方式訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)達(dá)到洗衣機(jī)異常聲音檢測(cè)的目的; 楊毫鴿[10]通過提取航空發(fā)動(dòng)機(jī)聲音的Mel頻率倒譜系數(shù)(MFCC)和Gammatone頻率倒譜系數(shù)(GFCC)特征作為神經(jīng)網(wǎng)絡(luò)的輸入, 使用訓(xùn)練好的模型進(jìn)行航空發(fā)動(dòng)機(jī)異常聲音檢測(cè).

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)因其強(qiáng)大的學(xué)習(xí)能力, 在異常聲音檢測(cè)中具有準(zhǔn)確率高、誤判率低、抗干擾性強(qiáng)的特點(diǎn), 節(jié)約了人工成本, 提高了檢測(cè)效率. 在已有的神經(jīng)網(wǎng)絡(luò)模型中, 自編碼器是一種成熟的深度學(xué)習(xí)單分類網(wǎng)絡(luò)方法, 其以無監(jiān)督的方式學(xué)習(xí)目標(biāo)數(shù)據(jù)特征, 只學(xué)習(xí)正常樣本特征即可獲得檢測(cè)模型, 適合用于異常情況具有復(fù)雜多樣性的異常檢測(cè). 相比于有監(jiān)督學(xué)習(xí)訓(xùn)練神經(jīng)網(wǎng)絡(luò), 自編碼器網(wǎng)絡(luò)只需正常樣本數(shù)據(jù)即可完成訓(xùn)練, 克服了異常樣本數(shù)據(jù)定義不明確、采集難等問題. 本文在自編碼器神經(jīng)網(wǎng)絡(luò)方法的基礎(chǔ)上, 并受生成對(duì)抗網(wǎng)絡(luò)(GAN)的啟發(fā), 針對(duì)聲音數(shù)據(jù)提出一種生成對(duì)抗單分類網(wǎng)絡(luò)方法(簡(jiǎn)稱網(wǎng)絡(luò))進(jìn)行異常聲音檢測(cè). 實(shí)驗(yàn)結(jié)果表明, 該方法在異常聲音檢測(cè)中準(zhǔn)確率更高.

1 基于生成對(duì)抗單分類網(wǎng)絡(luò)的異常聲音檢測(cè)方法設(shè)計(jì)

異常聲音檢測(cè)流程如圖1所示. 其中, 生成對(duì)抗單分類網(wǎng)絡(luò)模型是異常聲音檢測(cè)方法的核心. 首先利用麥克風(fēng)傳感器采集待測(cè)聲源的正常聲音數(shù)據(jù), 對(duì)聲音數(shù)據(jù)進(jìn)行降噪、濾波等預(yù)處理并輸入計(jì)算機(jī), 然后由計(jì)算機(jī)中已設(shè)計(jì)好的生成對(duì)抗單分類網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練, 建立對(duì)正常聲音特征的普遍認(rèn)知. 訓(xùn)練完成后, 對(duì)于輸入的正常聲音, 網(wǎng)絡(luò)模型以極小的誤差重構(gòu)正常聲音； 而對(duì)于輸入的異常聲音, 網(wǎng)絡(luò)模型重構(gòu)效果較差, 從而可進(jìn)行正?；虍惓５穆曇襞袛? 所給出的判斷結(jié)果可用于提醒警示、實(shí)時(shí)監(jiān)控、應(yīng)急反饋處理等目的.

圖1 異常聲音檢測(cè)流程Fig.1 Flow chart of abnormal sound detection

1.1 自編碼器

圖2 自編碼器結(jié)構(gòu)Fig.2 Structure of autoencoder

在深度學(xué)習(xí)方法中, 自編碼器是無監(jiān)督學(xué)習(xí)方法之一. 傳統(tǒng)自編碼器網(wǎng)絡(luò)是一對(duì)相互連接的子網(wǎng)絡(luò)[11], 包括編碼器和解碼器. 編碼器和解碼器分別由一個(gè)全連接層組成. 編碼器中的全連接層將輸入數(shù)據(jù)進(jìn)行壓縮, 提取出輸入數(shù)據(jù)中最具有代表性的特征; 解碼器中的全連接層將提取的特征解壓, 盡可能地再現(xiàn)生成原始輸入. 自編碼器結(jié)構(gòu)如圖2所示.

傳統(tǒng)自編碼器編碼和解碼的過程可描述為

編碼過程:h1=σe(W1x+b1),

(1)

解碼過程:y=σd(W2h1+b2),

(2)

其中x表示自編碼器的輸入,h1表示編碼器提取出的特征,y表示解碼器重構(gòu)數(shù)據(jù), 即自編碼器的輸出,σe,σd表示非線性變換,W1,W2,b1,b2表示神經(jīng)網(wǎng)絡(luò)的參數(shù), 通過優(yōu)化器最小化x和y之間的重構(gòu)誤差獲得. 重構(gòu)誤差ε可表示為

(3)

其中xi表示原始輸入數(shù)據(jù)的第i維,yi表示生成器生成數(shù)據(jù)的第i維,n表示數(shù)據(jù)長度.

由于傳統(tǒng)自編碼器網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單, 有時(shí)無法從數(shù)據(jù)中提取具有代表性的特征, 因此產(chǎn)生了深度自編碼器和卷積自編碼器. 深度自編碼器類似于傳統(tǒng)自編碼器, 包含一個(gè)編碼器和一個(gè)解碼器, 編碼器和解碼器分別由多個(gè)全連接層組成： 編碼器中多個(gè)全連接層共同將輸入數(shù)據(jù)進(jìn)行壓縮, 提取數(shù)據(jù)特征； 解碼器中多個(gè)全連接層根據(jù)特征再現(xiàn)生成原始輸入. 卷積自編碼器[12]也包含一個(gè)編碼器和一個(gè)解碼器： 編碼器包括若干卷積層, 卷積層將輸入的數(shù)據(jù)進(jìn)行壓縮, 提取輸入數(shù)據(jù)特征; 解碼器也包括若干卷積層, 解碼器中卷積層將提取的特征進(jìn)行解壓, 再現(xiàn)生成原始輸入. 此外, 為增加網(wǎng)絡(luò)結(jié)構(gòu)的穩(wěn)定性, 本文在每個(gè)卷積層都進(jìn)行批量歸一化[13]操作.

深度自編碼器和卷積自編碼器常被用于異常檢測(cè)領(lǐng)域, 目前已有許多研究結(jié)果, 如： 梁鳳勤等[14]使用深度自編碼器檢測(cè)了油氣管道是否存在異常； 蔣愛國等[15]使用深度自編碼器檢測(cè)了感應(yīng)電機(jī)故障； 佘博等[16]使用卷積自編碼器檢測(cè)了機(jī)械傳動(dòng)部件故障； Wu等[17]使用卷積自編碼進(jìn)行了圖像異常檢測(cè)； Khalilian等[18]使用卷積自編碼檢測(cè)了電路板缺陷； Chen等[19]使用深度自編碼器檢測(cè)了網(wǎng)絡(luò)是否異常； Ulutas等[20]使用深度自編碼器檢測(cè)了表面缺陷等. 利用各種自編碼器進(jìn)行異常檢測(cè)時(shí), 一般包含訓(xùn)練和檢測(cè)兩個(gè)過程. 首先使用正常數(shù)據(jù)訓(xùn)練一個(gè)自編碼器, 自編碼器只學(xué)習(xí)正常數(shù)據(jù)特征, 故能以較小的誤差重構(gòu)再現(xiàn)正常數(shù)據(jù), 而檢測(cè)過程中的異常數(shù)據(jù)重構(gòu)誤差較高. 因此可將重構(gòu)誤差大小作為異常檢測(cè)的判斷標(biāo)準(zhǔn), 最后設(shè)置一個(gè)閾值α, 重構(gòu)誤差大于該閾值則為異常, 否則為正常.

1.2 生成對(duì)抗單分類網(wǎng)絡(luò)

目前, 自編碼器已成為異常檢測(cè)的主要方法. 但在一些聲學(xué)場(chǎng)景中, 由于正常和異常樣本具有較大的相似性, 從而導(dǎo)致異常樣本重構(gòu)誤差也較小, 因此有時(shí)無法直接利用重構(gòu)誤差大小區(qū)分正常和異常樣本. 受生成對(duì)抗網(wǎng)絡(luò)GAN[21]啟發(fā), 針對(duì)聲音數(shù)據(jù), 本文提出一種生成對(duì)抗單分類網(wǎng)絡(luò)方法, 利用聯(lián)合對(duì)抗方式訓(xùn)練卷積自編碼器和卷積判別器, 用卷積判別器代替重構(gòu)誤差進(jìn)行分類. 在聯(lián)合對(duì)抗訓(xùn)練過程中, 卷積自編碼器和卷積判別器相互博弈, 卷積判別器的判別結(jié)果反饋到卷積自編碼器, 促進(jìn)卷積自編碼器更好地學(xué)習(xí)正常數(shù)據(jù)特征, 從而能更好地重構(gòu)目標(biāo)類數(shù)據(jù). 同時(shí), 卷積自編碼器的重構(gòu)數(shù)據(jù)輸入卷積判別器, 促進(jìn)卷積判別器更好地學(xué)習(xí)正常數(shù)據(jù)特征, 提高卷積判別器的判別能力. 網(wǎng)絡(luò)整體框架如圖3所示, 其中: 卷積自編碼器相當(dāng)于生成對(duì)抗網(wǎng)絡(luò)中生成器G; 卷積判別器的結(jié)構(gòu)是一系列卷積層, 其被訓(xùn)練以最終區(qū)分異常聲音樣本, 相當(dāng)于生成對(duì)抗網(wǎng)絡(luò)中的判別器D, 使用正常樣本訓(xùn)練生成器G和判別器D, 同時(shí)使用生成器G重構(gòu)的數(shù)據(jù)訓(xùn)練判別器D.將判別器D來自真實(shí)正常樣本的輸入標(biāo)注為1, 并將來自生成器G重構(gòu)數(shù)據(jù)的輸入標(biāo)注為0, 則判別器D的輸出結(jié)果為0～1之間的數(shù)值, 表示其輸入所遵循目標(biāo)類數(shù)據(jù)特征分布的可能性. 判別器D的目標(biāo)是實(shí)現(xiàn)對(duì)數(shù)據(jù)來源的二分類判別： 真(來源于真實(shí)正常樣本)或假(來源于生成器G重構(gòu)數(shù)據(jù)); 生成器G的目標(biāo)是自己重構(gòu)的數(shù)據(jù)能成功欺騙判別器D, 即判別器D將生成器G重構(gòu)數(shù)據(jù)判別為真.

神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程是優(yōu)化器優(yōu)化訓(xùn)練損失值的過程, 根據(jù)訓(xùn)練數(shù)據(jù)進(jìn)入網(wǎng)絡(luò)輸出的結(jié)果和定義好的損失函數(shù)求出訓(xùn)練損失值, 優(yōu)化器會(huì)根據(jù)訓(xùn)練損失值更新網(wǎng)絡(luò)參數(shù), 經(jīng)過多次迭代訓(xùn)練后, 網(wǎng)絡(luò)便可輸出預(yù)期的結(jié)果. 生成對(duì)抗單分類網(wǎng)絡(luò)目標(biāo)函數(shù)[21]為

(4)

其中G為生成器,D為判別器,x為訓(xùn)練聲音樣本,G(x)為生成器生成的樣本,D(x)表示判別器判斷x為真的概率,D(G(x)))表示判別器判斷生成器G生成的樣本為真的概率,Ex～pdata(x)表示按pdata(x)的分布對(duì)x求期望. 判別器D的目的是使式(4)最大, 即第一項(xiàng)和第二項(xiàng)都要最大. 第一項(xiàng)最大是D(x)接近于1, 即真實(shí)數(shù)據(jù)進(jìn)入判別器輸出接近于1. 而第二項(xiàng)最大, 需要D(G(x))接近于0, 即生成器G重構(gòu)的樣本進(jìn)入判別器輸出接近于0. 而生成器G的目的是使式(4)最小, 即第一項(xiàng)和第二項(xiàng)都最小.

圖3 網(wǎng)絡(luò)整體框架Fig.3 Overall framework of network

當(dāng)生成器G能重構(gòu)正常訓(xùn)練樣本時(shí), 停止訓(xùn)練. 此時(shí)生成器G以較小的誤差重構(gòu)其輸入(即(X-X′)2<ρ,ρ為一個(gè)很小的正數(shù),X′為生成器G輸出數(shù)據(jù)). 網(wǎng)絡(luò)訓(xùn)練完成后, 生成器G能重構(gòu)正常樣本, 正常樣本X輸入生成器G輸出X′,X′服從正常樣本的特征分布. 由于生成器G未學(xué)習(xí)異常樣本特征分布, 因此異常樣本X*輸入生成器G輸出一個(gè)具有未知分布的(X*)′, 重構(gòu)效果較差, 在某些頻率波段, 重構(gòu)的樣本會(huì)發(fā)生畸變. 判別器D也學(xué)習(xí)了正常樣本的特征, 故重構(gòu)的正常樣本輸入判別器D輸出的結(jié)果比閾值大, 而重構(gòu)的異常樣本輸入判別器D輸出的結(jié)果比閾值小. 與原始樣本相比, 判別器D可以更好地區(qū)分經(jīng)過生成器G輸出的數(shù)據(jù).

2 實(shí) 驗(yàn)

為驗(yàn)證生成對(duì)抗單分類網(wǎng)絡(luò)的有效性, 本文使用UrbanSound8K公開數(shù)據(jù)集作為標(biāo)準(zhǔn)數(shù)據(jù)輸入網(wǎng)絡(luò)進(jìn)行正確性檢驗(yàn). 在此基礎(chǔ)上, 對(duì)實(shí)驗(yàn)室采集的吹風(fēng)機(jī)電機(jī)數(shù)據(jù)集進(jìn)行實(shí)際測(cè)試. 所有Python程序都使用Quardro RTX5000顯卡運(yùn)行.

按圖3所示的程序框架結(jié)構(gòu), 對(duì)所有輸入程序的聲音數(shù)據(jù)首先進(jìn)行Fourier變換, 得到其頻譜數(shù)據(jù). 為提高模型收斂速度、模型精度并防止模型梯度爆炸, 對(duì)頻譜數(shù)據(jù)進(jìn)行如下必要的歸一化處理：

(5)

其中Y表示原始數(shù)據(jù),Y′表示歸一化后的數(shù)據(jù),Ymax表示Y中的最大值,Ymin表示Y中的最小值. 以歸一化后的聲音頻譜數(shù)據(jù)對(duì)卷積自編碼器和卷積判別器組成的生成對(duì)抗單分類網(wǎng)絡(luò)進(jìn)行訓(xùn)練, 直至重構(gòu)誤差趨于穩(wěn)定結(jié)束訓(xùn)練. 待測(cè)試的聲音數(shù)據(jù)同樣經(jīng)過歸一化Fourier變換后, 輸入卷積自編碼器, 對(duì)輸出的重構(gòu)數(shù)據(jù)由卷積判別器進(jìn)行閾值判別, 即可得到正?；虍惓５穆曇舴诸? 本文對(duì)網(wǎng)絡(luò)判別結(jié)果與真實(shí)值進(jìn)行比較并統(tǒng)計(jì), 得到4種分類結(jié)果： 正常類被正確判別(TP), 正常類被錯(cuò)誤判別(FN), 異常類被錯(cuò)誤判別(FP), 異常類被正確判別(TN). 由此可定義精準(zhǔn)率、召回率、準(zhǔn)確率和誤警率等指標(biāo)參數(shù)： 精準(zhǔn)率(Precision)是指測(cè)試結(jié)果為正常的數(shù)據(jù)中識(shí)別正確的比例,

Precision=TP/(TP+FP);

召回率(Recall)是指真實(shí)為正常的數(shù)據(jù)中識(shí)別正確的比例,

Recall=TP/(TP+FN)；

誤警率(false alarm rate, FAR)是指正常類被判別為異常類的樣本個(gè)數(shù)占真實(shí)類別為正常樣本總數(shù)的比例,

FAR=FN/(TP+FN)；

準(zhǔn)確率(Accuracy)是指所有測(cè)試樣本被正確識(shí)別的比例,

Accuracy=(TP+TN)/(TP+TN+FP+FN).

2.1 UrbanSound8K數(shù)據(jù)集

UrbanSound8K數(shù)據(jù)集是由美國紐約大學(xué)音樂與音頻實(shí)驗(yàn)室收集的聲音數(shù)據(jù), 共包括10類聲音. 本文選擇空調(diào)正常運(yùn)行聲音和機(jī)器空轉(zhuǎn)聲音兩種最相似的聲音進(jìn)行檢驗(yàn)測(cè)試. 空調(diào)正常運(yùn)行聲音作為正常樣本, 機(jī)器空轉(zhuǎn)聲音作為異常樣本. 空調(diào)聲音和機(jī)器聲音時(shí)長均為3 s, 將其切割成1 s的片段. 其中3 200個(gè)空調(diào)聲音樣本作為訓(xùn)練數(shù)據(jù), 388個(gè)空調(diào)聲音樣本和400個(gè)機(jī)器聲音樣本作為測(cè)試數(shù)據(jù). 測(cè)試數(shù)據(jù)頻譜和生成器輸出頻譜如圖4所示. 其中空調(diào)正常運(yùn)行聲音(圖4(A))作為正常聲音樣本, 生成器能以很小的誤差重構(gòu)出測(cè)試空調(diào)聲音的頻譜(圖4(B)), 重構(gòu)譜圖與原始譜圖有非常高的相似度. 而機(jī)器空轉(zhuǎn)聲音(圖4(C))作為異常聲音, 生成器重構(gòu)出的頻譜(圖4(D))約在500 Hz和1 000 Hz出現(xiàn)畸變, 重構(gòu)效果較差, 重構(gòu)譜圖與原始譜圖有明顯區(qū)別. 生成器生成的樣本繼續(xù)輸入判別器進(jìn)行最終判別.

圖4 UrbanSound8K數(shù)據(jù)集的測(cè)試樣本頻譜和生成器輸出頻譜Fig.4 Test sample spectra of UrbanSound8K data set and output spectra of generator

使用主流的深度自編碼、卷積自編碼方法及生成對(duì)抗單分類網(wǎng)絡(luò), 對(duì)完全相同的原始聲音數(shù)據(jù)進(jìn)行學(xué)習(xí)和測(cè)試, 統(tǒng)計(jì)結(jié)果列于表1. 由表1可見： 本文生成對(duì)抗單分類方法優(yōu)于其他兩種方法, 在精確率、召回率、誤警率和準(zhǔn)確率等參數(shù)指標(biāo)上有明顯提高； 單獨(dú)使用訓(xùn)練好的判別器進(jìn)行測(cè)試時(shí), 準(zhǔn)確率和精確率也高于其他兩種方法. 當(dāng)將生成器和判別器聯(lián)合使用時(shí), 準(zhǔn)確率得到進(jìn)一步提高, 生成器修改了輸入樣本, 提高了判別器的區(qū)分能力. 對(duì)比分析表明, 本文的網(wǎng)絡(luò)方法在準(zhǔn)確率等所有參數(shù)指標(biāo)上均優(yōu)于已有方法, 相比于卷積自編碼器方法, 生成對(duì)抗單分類網(wǎng)絡(luò)在UrbanSound8K公開數(shù)據(jù)集實(shí)驗(yàn)結(jié)果準(zhǔn)確率提高了5.0%. 證明了本文方法的有效性.

表1 UrbanSound8K數(shù)據(jù)集檢測(cè)結(jié)果

2.2 電機(jī)數(shù)據(jù)

下面將本文方法用于電機(jī)異常聲音的檢測(cè). 實(shí)驗(yàn)室采集吹風(fēng)機(jī)電機(jī)聲音數(shù)據(jù), 采樣頻率為48 kHz, 采集正常電機(jī)聲音樣本6 000個(gè)(其中5 000個(gè)作為訓(xùn)練數(shù)據(jù), 1 000個(gè)作為測(cè)試數(shù)據(jù)), 異常電機(jī)聲音樣本1 000個(gè). 測(cè)試數(shù)據(jù)頻譜和生成器輸出頻譜如圖5所示. 相比于圖4(A), 盡管吹風(fēng)機(jī)電機(jī)聲音具有更豐富的頻譜分布, 生成器仍能以較小的誤差(2.0×10-3)重構(gòu)出測(cè)試電機(jī)正常聲音頻譜, 表明本文網(wǎng)絡(luò)方法具有較好的頻譜分布適應(yīng)性. 而對(duì)于電機(jī)異常聲音頻譜, 生成器重構(gòu)出的頻譜在約1 500 Hz和2 100 Hz出現(xiàn)畸變, 與原始譜差異明顯, 重構(gòu)效果較差. 本文對(duì)網(wǎng)絡(luò)判別分類結(jié)果進(jìn)行統(tǒng)計(jì), 并與深度自編碼、卷積自編碼方法相比較, 結(jié)果列于表2. 由表2可見, 卷積自編碼器方法擅長于學(xué)習(xí)正常聲音特征, 但判別準(zhǔn)確率相對(duì)較低, 實(shí)際使用中易發(fā)生誤報(bào)的情形； 而相比于卷積自編碼器方法, 生成對(duì)抗單分類網(wǎng)絡(luò), 在犧牲1.1%的精確率前提下, 準(zhǔn)確率得到進(jìn)一步提高, 在電機(jī)數(shù)據(jù)集實(shí)驗(yàn)結(jié)果中準(zhǔn)確率提高了3.0%, 表明該方法具有頻譜分布適應(yīng)性好、判別準(zhǔn)確率高的特點(diǎn).

圖5 電機(jī)測(cè)試樣本頻譜和生成器輸出頻譜Fig.5 Spectra of motor test sample and output spectra of generator

表2 電機(jī)數(shù)據(jù)集檢測(cè)結(jié)果

2.3 實(shí)驗(yàn)結(jié)果分析

對(duì)于本文方法, 何時(shí)停止訓(xùn)練網(wǎng)絡(luò)至關(guān)重要, 過早停止, 會(huì)導(dǎo)致生成器不能重構(gòu)正常樣本; 過度訓(xùn)練, 可能會(huì)導(dǎo)致異常樣本輸入生成器時(shí), 生成的數(shù)據(jù)中包含大量的正常樣本特征, 影響判別結(jié)果. 重構(gòu)誤差擬合公式為

圖6 電機(jī)訓(xùn)練數(shù)據(jù)重構(gòu)誤差和測(cè)試數(shù)據(jù)準(zhǔn)確率Fig.6 Reconstruction error of motor training data and accuracy of test data

Y=a×exp{b×X},

其中a=0.025 12,b=-0.003 905,Y表示重構(gòu)誤差,X表示訓(xùn)練輪數(shù). 電機(jī)訓(xùn)練樣本重構(gòu)誤差和準(zhǔn)確率如圖6所示. 由圖6可見: 隨著訓(xùn)練輪數(shù)X的增加, 重構(gòu)誤差值Y呈現(xiàn)出單調(diào)遞減并趨于穩(wěn)定的規(guī)律, 當(dāng)X=1 000時(shí), 重構(gòu)誤差趨于穩(wěn)定, 此時(shí)應(yīng)停止訓(xùn)練; 當(dāng)X<1 000時(shí), 生成器和判別器都在不斷學(xué)習(xí)正常樣本特征, 測(cè)試樣本準(zhǔn)確率越來越高, 呈現(xiàn)階梯狀上升趨勢(shì), 符合一般學(xué)習(xí)規(guī)律； 當(dāng)X>1 000時(shí), 生成器過度訓(xùn)練, 異常樣本輸入生成器, 生成的數(shù)據(jù)包含大量的正常樣本特征, 判別器無法區(qū)分出異常樣本, 導(dǎo)致準(zhǔn)確率降低.

綜上所述, 本文提出了一種生成對(duì)抗單分類網(wǎng)絡(luò)的異常聲音檢測(cè)方法, 聯(lián)合對(duì)抗訓(xùn)練生成器G(卷積自編碼器)和判別器D(卷積判別器), 訓(xùn)練完成后, 生成器G能以較小的誤差重構(gòu)正常樣本, 而異常樣本重構(gòu)效果較差. 判別器D在生成對(duì)抗博弈中, 學(xué)習(xí)得到正常樣本分布, 因此能對(duì)正常聲音與異常聲音重構(gòu)信號(hào)輸出不同的判別結(jié)果, 從而成功實(shí)現(xiàn)對(duì)異常聲音的檢測(cè). 真實(shí)電機(jī)聲音數(shù)據(jù)集和UrbanSound8K數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明, 本文提出的生成對(duì)抗單分類網(wǎng)絡(luò)檢測(cè)準(zhǔn)確率高于深度自編碼器和卷積自編碼器, 具有適用于所有物體異常聲音檢測(cè)、聲音頻譜適應(yīng)性好、誤警率低、準(zhǔn)確率和精確率高、可在線可實(shí)時(shí)監(jiān)控的優(yōu)點(diǎn).