音频检测西瓜成熟度的噪声消除方法

开篇：润墨网以专业的文秘视角，为您筛选了一篇音频检测西瓜成熟度的噪声消除方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：针对音频检测西瓜成熟度中击打响应信号更类似噪声的特点，实现了信噪分离方法与小波消噪方法相结合消除环境噪声和信号微小噪声的方法。在消除嘈杂环境噪声方面，提出使用快速独立分量分析算法（Fast independent componment analisis，FastICA），利用不同两路混有环境噪声的混叠信号分离出噪声和击打信号，以获得能够用于西瓜成熟度检测的击打信号。在消除能量较小的噪声方面，提出了适合西瓜击打信号特点的小波消噪算法，能够有效降噪并保留高频信息。该方法经验证达到了较好的噪声消除效果。

关键词：音频检测；小波消噪；快速独立分量分析算法；信噪分离；西瓜成熟度

中图分类号：TP391.42 文献标识码：A 文章编号：0439-8114（2013）18-4510-05

西瓜成熟度的音频检测法检测速度快，能够无损检测采摘前后的西瓜成熟度，可用于研制大型在线分选设备和小型便携检测设备，并且造价低廉、应用范围广，从而成为了西瓜内部品质检测方法的国内外研究热点。

由于西瓜在成熟过程中瓜瓤是由致密到疏松逐渐变化的，而西瓜在受迫振动时发出的声音包含西瓜内部组织结构的信息，因此音频检测西瓜成熟度是一种较为有效的检测方法。早在1968年，音频检测方法就被研究用于检测多种水果蔬菜（包括西瓜）在采摘和存储过程中的成熟度和硬度[1]。在最近的30年中，音频检测技术发展迅速，并成为西瓜筛选和分级的一种重要方法[2]。用于西瓜成熟度检测的音频特征一般有衰减系数、传播速度、声阻抗以及透射或反射声波频率等[3]。其中，Cooke[4]使用音频频率和西瓜重量计算成熟度指标。Clark[5]则提出使用声波穿过西瓜的衰减时间衡量西瓜成熟度。何东健等[6]验证了以上理论并提出音频信号波形对称度也与西瓜成熟度密切相关。高冠东等[7]、肖珂等[8]提出使用透射声波的频带幅值向量特征检测西瓜成熟度。Hayashi等[9]研究发现音频信号在水果中的传播速度与水果硬度的相关性为0.83。Stone等[10]开发出一套便携的声脉冲阻抗测量系统，并研究证明能够检测两个品种西瓜的空心缺陷。但是，到目前为止，国内国外对音频检测西瓜成熟度的研究多数是在较为安静的实验室环境下进行的，在线或便携式检测设备的研制也很少考虑较强环境噪声的干扰及处理方法。而在实际的应用环境下，不论是使用在线检测设备分选大量西瓜还是消费者使用便携设备挑选西瓜，都不可避免的会有环境噪声和系统噪声干扰，会对检测结果的准确度产生较大的影响。

针对以上问题，本研究提出一套使用信噪分离和小波消噪相结合的噪声消除方法，滤除信号中混入的各种噪声。在信噪分离方法中，使用快速独立分量分析算法从较强环境噪声中分离出有用击打信号。分离后，有用信号中仍存在较小的噪声干扰，因此需要使用小波消噪算法消除干扰，并根据击打信号的特点，通过试验对比选择适当的小波滤波算法，从而能够获得质量较好的西瓜击打音频信号，用于进一步的处理和分析。

1 击打信号特点及消噪算法

1.1 击打信号特点

西瓜击打信号是更类似于语音信号处理中的一种环境干扰噪声，是以前消噪算法中需要滤除的信号，因此在处理击打信号噪声的时候，就需要根据其特点对消噪算法进行适当的调整和改进。

1.2 信噪分离方法

一般进行西瓜成熟度音频检测的研究中，采集的音频信号是在较为安静的实验室环境下，因此不必过多地考虑噪声的干扰问题。但是，在实际的应用过程中，信号采集时混入环境噪声是不可避免的，有时混入的噪声干扰可能会非常强，以至于不能进行成熟度的检测。

针对环境噪声较为嘈杂的情况，本研究借鉴语音信号处理中的语音混叠分离技术，提出使用信噪分离方法分离出噪声和有用信号。在语音信号处理领域，混叠分离技术是较新的一种技术，主要以盲信号分离和计算声场景分析两类方法为主。其中，盲信号分离是在源信号及其混合传输信道未知情况下，仅仅利用观测到的混合信号来估计原信号，即除了原信号之间的相互独立性外，并不知道任何有关原信号及混合传输信道的先验知识，也不知道信号是如何混叠的。由于在嘈杂的环境下，噪声源的类型、混叠方式和噪声的特性都很难估计，因此盲信号分离方法正适合用于分离这种情况下的噪声和击打信号。本研究中使用了盲信号分离中的快速独立分量分析算法（FastICA）分离信号和噪声。它是一种基于负熵的快速定点ICA算法，其优点是计算简单、迭代稳定、收敛速度快，不需要任何步长参数。

FastICA盲源分离过程是一个串行输出各个独立源信号的过程，要估计n个独立分量，则需要运行n次基本FastICA算法，并且在进行每个独立分量提取前，为了防止收敛相同，每次迭代后都要对输出w1Ty，w2Ty，…，wnTy进行去相关，从而将分离矩阵正交归一化，然后再进行相应的提取，这样最后得到的分离矩阵是正交矩阵。过程中每分离出一个独立分量，就要从观测信号中减去这一分量，如此反复，直至分离出所有的独立分量。

FastICA分离中，合适的函数G可以使估计结果更好，由于语音信号具有超高斯分布的特点，且鲁棒性要求较高，根据对G的分析，选择：

这样依次求出w1，…，wn，从而得到各个独立语音源信号。

在使用FastICA方法分离击打信号混入的噪声时，可以使用不同方向和距离的两个麦克风采集信号，其中一个朝向有用信号源，而另一个背向有用信号源。这样就能把音频击打信号作为一个声源，把环境噪声信号作为另一个声源，使用两路信号分离的FastICA算法。由于以前在西瓜成熟度音频检测领域还没有类似研究，本试验对使用这种方法分离有用信号和背景噪声进行了试验性的研究。

1.3 小波消噪方法

小波消噪方法能够把信号分解到不同的频率尺度上，根据信号和噪声在不同尺度内表现形式不同的特点，滤除分解系数绝对值较小的噪声信号，从而达到消噪的目的。它在时频域中对信号进行分析，且具有分辨率自动变焦功能，所以能够有效区分信号的突变和噪声，也能够处理多种性质的噪声干扰，是一种适用于本研究音频击打信号特点的消噪处理方法。

本研究使用了较为常用的Daubechies（dbN）小波系进行小波变换和消噪处理。该小波除了一阶小波db1（即Haar小波），其他阶小波均为连续且紧支撑的小波，随着小波级数的增加，小波变得越来越光滑，并且可以有预知的连续导数，其光滑性足以满足特定应用要求。在此小波系中，高于一阶的小波没有解析表达式，但有传递函数hk的平方模显式表达式，设多项式：

本研究在使用滤波的小波分解层上进行了分析。由于高阶小波分解层数，其系数表示的是信号的高频信息，而击打信号主要集中于低频部分，但在高频部分也有分布，噪声则更多地集中于小波各层的高阶系数中，因此要对适合的小波分解层和系数进行滤波，才能够消除噪声干扰同时不会损害信号高频信息。所以，本试验研究了对不同小波分解层进行滤波的效果，研究对分解的三层系数的第一、二层滤波和对三层全部滤波两种方式，并且需要通过试验检验，选择效果较好的滤波方法。

1.4 试验设计

西瓜击打信号的获取方式为：把西瓜放置于平整硬质平面上，使用手掌拍击西瓜赤道位置（瓜蒂和花蒂为两极），连接计算机的拾音器置于距拍击点3～5 cm距离采集音频信号。试验使用的为圆形瓜种，外形较圆，近似球体，红瓤薄皮，重量在3～6 kg左右。音频采集的硬件设备如下：笔记本电脑一台，型号为IBM Tinkpad R61，主要配置为Intel Core2 Duo T7500 2.20GHz CPU，2GB内存，集成声卡；3.5 mm插孔小型麦克风一个，主要部件为驻极体拾音器。在处理软件方面，Matlab7.1软件搭建了GUI界面系统，控制声卡的音频采样频率为11ksps。

为了消除能量与击打信号相近的较大噪声影响，本研究中提出了使用音频盲分离方法中的FastICA算法，把击打信号与噪声信号分离开，然后再用分离后的击打信号进行成熟度检测。为了验证信噪分离算法的可行性，本研究对其进行了试验检验。其试验过程为：先把击打音频信号与噪声信号通过随机产生的权重系数进行混叠，混叠出两路混有噪声的音频信号，以这两路信号作为FastICA中两路输入的混叠音频信号，经过FastICA算法分离混叠的信号，使用分离出的信号与原信号作比较。

信号经信噪分离后，还会存在强度较小的噪声干扰，需要进一步进行滤除。因此使用小波滤波消噪方法。小波消噪试验中利用小波分解的多分辨率技术，针对信号中噪声产生的波形毛刺和幅值在某点上的突变进行滤波，同时并不影响击打信号的主要波形和特征。使用了Daubechies小波系中的3阶小波（db3），把信号解析为3层结构，并使用软阈值方法进行滤波处理。为了达到滤除毛刺和突变而不损害信号本身高频部分的目的，分别对两种滤波方式进行了试验：一种是只对小波分解后的第一、二层小波系数进行滤波，然后重构原信号；另一种是对小波分解的3层系数都进行滤波处理后再重构原信号。滤波后，对两种方式的滤波后波形变化和效果进行比较和分析。

2 结果与分析

2.1 信噪分离试验

为了检验信噪分离方法的可行性，验证是否能够使用FastICA算法分离出噪声和击打信号，本研究进行了试验检验。其过程为：先把击打音频信号与噪声信号通过随机产生的权重系数进行混叠，混叠出两路混有噪声的音频信号，以这两路信号作为FastICA中两路输入的混叠音频信号，经过FastICA算法分离混叠的信号，使用分离出的信号与原信号作比较。

试验中，使用了经过击打信号和噪声信号随机混叠的两路音频信号，然后对比分离后的信号与原信号的差异。选取了嘈杂的集市噪声作为用于混叠的噪声信号，其中混杂有人语、汽车鸣笛、摩托马达声等多种噪声。对噪声和击打信号的混叠使用了2×2的随机矩阵对两信号组成的矩阵相乘，即混叠的两音频信号为加性信号叠加。两种噪声混叠信号及分离结果信号如图1所示。

从图1可以看出，击打音频信号和噪声信号混合后，混合的信号已经与原信号有很大的差异，一般的消噪方法很难把这种噪声去除。使用FastICA算法对混叠信号进行分离后，分离出的信号与原信号在信号波形上基本没有差异。为了比较分离效果，试验中计算了分离后击打信号与原击打信号的差值，击打信号分离前后的差值为2.870 1，占信号幅值和的2.30%；并且计算了图1c、图1d、图1e信号的信噪比，分别为-6.071， -12.831和43.873，说明由于混叠了较高能量的噪声图1c、图1d中的噪声非常强，已经不能用于西瓜成熟度检测，而图1e中较高的信噪比说明大部分噪声已经被分离出去，信号质量较好。为了进一步验证分离效果，使用20个拍击信号样本进行试验，统计分离后击打信号的信噪比。经计算，信噪比平均值为48.288，其中最大值为72.567、最小值为33.215。由以上分析可见，混叠信号分离后与原信号的差别并不大，能够还原出原信号波形。因此，此算法能够用于西瓜成熟度音频检测中击打信号与噪声的分离，且能够获得较好的分离效果。

2.2 小波消噪试验

本研究使用Daubechies小波系中的3阶小波及软阈值进行滤波消噪处理，并对使用小波分解后的第一、二层小波系数进行滤波与对3层系数都进行滤波处理的效果进行对比和分析，以达到既能滤除干扰噪声又能较多保留信号高频细节的目的。试验结果如图2所示。

从图2中可以看出，经两种方式的滤波以后，原波形中的突变和毛刺都被滤去。尤其是从图2d中，可以明显地看出波形尖峰的毛刺被平滑掉了。通过把图2b、图2c与原信号图2a进行比较可以发现：图2b中的信号保留了信号的波形、幅值极大值、极小值位置和信号的高频部分，较完整地保留了原信号的特征形态；但是从图2c中可以明显看出，原信号在信号开始部分变化比较剧烈的高频波形被滤去了，尤其是在约0.01s信号波形的波谷部分较为明显，滤波后信号的高频分量损失较大，损害了原信号的波形形态。因此，经试验对比后，最终选用了对小波分解后的第一、二层小波系数进行自适应滤波的小波滤波方式。它可以很好地去除信号中混入的噪声，同时不会使原信号损失高频信息，保持了信号的完整性，效果较为理想。

3 结论

本试验研究了消除西瓜击打信号混入噪声的方法，提出了一套通过信噪分离方法分离出噪声和击打信号，并且使用小波消噪方法进一步滤除音频信号微小噪声干扰的噪声消除方法。在信噪分离方法的研究中，使用较强的嘈杂环境噪声与20个拍击信号样本进行混叠，并使用FastICA算法进行分离试验。经试验证明此方法能够分离出拍击信号和噪声信号，并且把信噪比极低的混叠信号恢复为信噪比较高的拍击信号，分离后信号的信噪比均值为42.288。小波消噪算法试验，对比了小波解析后对3层小波系数滤波与对第一、二层系数滤波的效果，试验结果证明对第一、二层小波系数能够滤除信号中的微小噪声并保留较多的信号高频信息，滤波效果更理想。综上所述，经试验证明本研究提出的消噪方法能够有效地分离出拍击信号，并进一步滤除信号中的微小噪声，同时保持信号不失真，具有较好的消噪效果。

参考文献：

[1] ABBOTT J A， BACHMANN G S， CHILDERS N F， et al. Sonic techniques for measuring texture of fruits and vegetables[J]. Food Technology，1968，22（5）：635-646.

[2] MIZRACHA，GALILI N，GAN-MOR S， et al. Models of ultrasonic parameters to assess avocado properties and shelf life[J]. Journal of Agricultural Engineering Research，1996，65（4）：261-267.

[3] SUN T， HUANG K， XU H R， et al Research advances in nondestructive determination of internal quality in watermelon/melon： A review[J]. Journal of Food Engineering，2010，100（4）： 569-577.

[4] COOKE J R. An interpretation of the resonance behaviour of intact fruit and vegetables[J]. Transactions of the American Society of Agricultural Engineering，1972，15（2）：1075-1079.

[5] CLARK R L. An investigation of the acoustical properties of watermelon as related to maturity[J]. Transactions American Society of Agricutural Engineering，1975，18（4）：6004.

[6] 何东健，李增武，王洪群. 西瓜打击音波特性的研究[J]. 西北农业大学学报，1994，22（3）：105-107.

[7] 高冠东，滕桂法，肖 珂，等.基于BMV特征的西瓜成熟度无损检测方法[J]. 农业工程学报， 2010，26（8）：326-330.

[8] 肖 珂，高冠东，滕桂法，等. 西瓜成熟度音频无损检测技术[J].农机化研究，2009，31（8）：150-155.

[9] HAYASHI S， SUGIYAMA J，OTOBE K， et al. Nondestructive measurement for maturity of muskmelons by analysis of acoustic-signals[J]. Journal of the Japanese Society for Food Science and Technology，1992，39（6）：465-470.

[10] STONE M L， ARMSTRONG P R， ZHANG X， et al. Watermelon maturity determination in the field using acoustic impulse impedance techniques[J]. Transactions of the American Society of Agricultural Engineering，1996，39（6）：2325-2330.

[11] Hyvarinen A. Fast and robust fixed-point algorithms of independent component analysis [J]. IEEE Trans. on Neural Networks，1999，10（3）：626-634.