摘 要： 地下拾音報警系統" title="報警系統">報警系統以其隱蔽性強、監控范圍廣等優點受到文物保護部門的關注。給出了一種基于小波" title="小波">小波變換，利用能量等價關系構造特征空間的方法，可以有效地識別雷聲信號，降低雷聲造成的誤報率，從而有效地改進了地下拾音報警系統的性能。
關鍵詞： 聲控報警 雷聲信號? 小波分析? 特征提取" title="特征提取">特征提取? 安防系統
?
近年來，文物安全問題日趨嚴峻，常見的安防報警手段如視頻監控、玻璃破碎探測器等，不適于對室外環境下不可移動文物的保護。在探索新的安防模式的過程中，提出了一種基于聲音信號的地下拾音報警系統。該系統隱蔽性強、成本較低、能夠消除報警死區、縮短報警反應時間，比較適于對室外環境下的文物實行全面的技術防范。但由于自然界的雷聲會造成設備頻繁地誤報警，所以需要消除雷聲對系統的干擾，為此，要對雷聲信號進行分類識別、特征提取，成為消除干擾的關鍵的一步。
以往的處理方法及存在的問題大致歸納為如下三種：(1)在有雷聲時采取暫時關閉監控設備，但易造成漏報。(2)通過聲強區分信號，但易將雷聲信號和其他監聽信號混淆。(3)使用傳統方法通過計算頻域" title="頻域">頻域峰值作為特征進行分析，但是經典的傅立葉變換只能針對平穩信號進行分析。在此基礎上使用加窗的方法來處理非平穩信號的短時傅里葉變換，雖然有所進步，但是分析窗恒定的大小和形狀仍無法滿足要求[1]。針對以上三種處理方法所存在的問題，本文采用具有多分辨率特點的小波變換" title="小波變換">小波變換方法，對非平穩的雷聲信號的局部特征進行分析。
1 地下拾音報警系統
1.1聲音信號的優勢
聲音信號作用于安防系統有其獨特的優勢：其快速傳遞的特性使得實現迅速報警成為可能；聲波可在空氣、水、土壤、金屬等物體內傳遞，因此，防范區域可以延伸到周邊地區，異常目標在進入監控區域之前就可以被發現，起到預警的作用；聲波以球面波的形式向四周均勻擴散（聲輻射），也可以繞過障礙物的遮擋，發生聲繞射（衍射），為消除監控系統的防范死區提供了可能。
1.2 地下拾音報警系統工作原理
地下拾音報警系統集集群監聽、地下拾音、聲控報警等功能于一體，利用埋于地下20厘米處的地下聲敏傳感器，可拾取地表(半徑20米)、地下(30米)的微弱的聲音信號，經物理諧振腔放大后以模擬信號輸出，其有效傳輸距離不小于1500米。設備工作時，監控區域被認為是安靜的，任何聲響都被視為異常，一旦傳感器所采集的聲音信號的強度超過設定門限就觸發報警行為。
2 雷聲信號預處理
雷聲信號預處理是：聲敏傳感器采集音頻信號后，經前端調制器將模擬音頻信號轉換成數字信號，經過中間的音頻傳輸控制線傳送到監控室中的計算機，形成音頻文件，作為雷聲信號的原始特征；對信號進行預處理，去除噪聲等的干擾，初步了解信號的時頻特征。預處理步驟框圖如圖1所示。
（1）去除均值：信號的均值相當于一個直流分量，去除均值，可避免在估計該信號的功率譜時，零頻位置的譜峰影響附近的頻譜曲線。信號x(t)的均值常由下式估計。
（2）功率譜估計：使用以傅立葉變換為基礎的經典譜估計對信號頻域特征進行粗略估計。先計算N個數據的傅立葉變換（頻譜），然后取頻譜和其共軛的乘積，得到功率譜（直接法）[1]。具體公式如下：
（3）低通濾波：一般來說，信號的低頻部分給出了信號的特征，高頻部分則與噪音及擾動聯系在一起。因此，參照聲敏傳感器的頻響參數、經驗值及粗略估計的信號特征設置濾波器參數，對信號進行低通濾波。以損失部分細節為代價，減少后續分析的運算量。
若選擇約束最小二乘(CLS)FIR濾波器，無須專門定義幅值響應中的過渡帶，便可在整個濾波器響應的頻率范圍內使用平方誤差最小化技術，逼近理想的濾波器特性。取階數為61、截止頻率為0.6（歸一化）、通帶最大偏差為0.02（dp）、阻帶最大偏差為0.008（ds）,其頻域及時域波形分別如圖2和圖3所示。
（4）分割信號：分割信號為按一定長度的幀，提取最能體現其特點的部分，以降低信號長度，減少運算量。
（5）歸一化：按信號幅度絕對值的最大值做歸一化處理，得到長度范圍、幅值范圍統一的信號。
3 雷聲信號的小波變換
非平穩信號的模式特征存在于時域與頻率域中，使用傳統變換方法提取特征不能達到較好的效果。利用小波分析方法進行雷聲信號特征提取的框圖如圖4所示。
（1）小波變換：雷聲信號作為非平穩信號，其統計特性隨時間而變，所以其局部性的研究需要使用時域和頻域的二維聯合表示，否則會導致提取的特征不夠準確。信號經過小波變換，可以分成不同的子帶[2]，每個子帶內的小波系數表現了信號相應帶內的能量分布。小波分解結構可視為由低通和高通濾波器組成的濾波器組，將信號分解成低頻近似信號和高頻細節信號兩部分，在下一層的分解中，又將低頻部分再分解成更低頻和更高頻兩部分，依此類推，完成更深層次的小波分解，如圖5所示。
選擇合適的小波基及分解層數對特征提取至關重要。經過對各小波函數的比較和頻率分析試驗，選用Daubechies小波，N值取7時，其小波函數圖形如圖6所示。音頻文件采樣頻率為11.025kHz，即Nyquist頻率為5.512kHz，進行7級小波分解，可獲得8個小波系數。這樣，原信號就可表示為不重疊的各個子帶的小波系數之和。各分解系數對應的頻帶范圍如表1所示。
?
這樣就建立了小波系數與信號能量在時域上的等價關系。系數較大者攜帶的信號能量較多，系數較小者攜帶的信號能量較少。因此，對不同子帶內的小波系數進行統計分析，可以獲得聲音信號的分布特征。這樣，就完成了從高維的小波系數矩陣到較低維的小波系數能量空間的轉化。
（3）歸一化及提高靈敏度：不同的樣本占有不同的特征空間區域，只要這些區域不相交疊，它們就可以分開。經常采用樣本間的平均距離作為特征提取的判據函數[4-5]。由于腳步聲信號、撞擊聲信號與雷聲信號相近，所以為進一步區分，通過將特征值歸一化后作平方運算，增加特征之間的距離差距，達到提高靈敏度的目的，緩解報警高靈敏度和誤報率之間的矛盾。選取圖7所示的信號進行對比，其結果如表2所示，特征分布如圖8所示。可見，處理后的交叉面積有所減小。
(4）建立特征空間：可以使用以上方法求得特征向量直接構成特征空間，如：
T=[Ea7 Ed7 Ed6 Ed5 Ed4 Ed3 Ed2 Ed1]
也可以與預處理中得到的其他特征建立組合特征空間。
?
?
本文介紹的雷聲特征提取方法，通過在部分樣本信號上的測試，可以分辨出雷聲信號和撞擊聲信號。本方法對抑制雷聲造成的系統誤報警起到了初步的作用，進一步提高了安全技術防范的可靠性，對于古墓、古塔、石刻等不可移動的室外環境下的文物防盜具有一定意義。未來工作是需要對更多種類、更大數量的樣本信號進行算法測試，并結合實地應用情況進行設計上的改進。
?
參考文獻
[1] 張賢達，保錚. 非平穩信號分析與處理[M]. 北京：國防工業出版社，1998.
[2] ?PARAMESWARIAH C, COX M. Frequency characteristics of wavelets[J]. IEEE Transactions on Power Delivery,2002,17(3)：800-804.
[3] ?劉毅，張彩明，趙玉華，等. 基于多尺度小波包分析的肺音特征提取與分類[J]. 計算機學報，2006，29（5）：769-777.
[4] ?周莉，鄭建琳，顏琬. 基于小波多尺度和熵在圖像字符特征提取方法的改進[J]. 電子技術應用， 2004,30(7)：6~8.
[5] ?BARSANTI R J, SPENCER E, CARES J,et al. Frature matching and signal recognition using wavelet analysis. In: Proceedings of the 38th Southeastern Symposium on System Theory, Cookeville, TN, USA, 2006：448-452.