基于短时频表示的次声(infrasonic)信号分类

《Frontiers in Signal Processing》：Classification of infrasonic signals based on time-frequency representation

　　

准确分类次声(infrasonic)信号是核爆炸监测及自然灾害预警领域的重要研究课题。现有研究常依赖经验选择时频分析方法对去噪后信号进行特征表征，缺乏在统一框架下对不同方法于含噪条件下综合性能的系统性评估。针对此问题，研究人员以六类未经去噪处理的次声信号——包括核试验、化学爆炸及闪电等——为研究对象，在卷积神经网络(convolutional neural network, CNN)分类模型中系统比较了短时傅里叶变换(Short-Time Fourier Transform, STFT)、连续小波变换(Continuous Wavelet Transform, CWT)与希尔伯特-黄变换(Hilbert–Huang Transform, HHT)的综合表现。实验结果表明，采用汉宁窗(Hanning window)、窗长1 s、NFFT = 1024配置的STFT取得最佳整体性能，分类准确率达98.35%，显著优于CWT与HHT；同时STFT所需计算时间最短(0.85 s)，且模型收敛最快。进一步分析表明，STFT固定窗函数固有的平滑性与一致性使其在含噪环境中具备更强的鲁棒性及特征稳定性。本研究简化了分类流程，避免了去噪预处理引起的信息损失与计算开销，强调了含噪条件下时频方法选择的重要性，并为实时次声监测系统提供了更高效可靠的工程解决方案，具有重要的实际应用价值。

论文解读：《基于短时频表示的次声信号分类》

本文发表于《Frontiers in Signal Processing》，针对次声(infrasonic, frequency < 20 Hz)信号在核爆炸监测（全面禁止核试验条约国际监测系统核心组成）及自然灾害预警中的应用背景展开研究。次声信号因低频、低衰减及远距离传播特性被广泛关注，但不同来源（核试验、化学爆炸、火山喷发、火箭发射、地震、闪电）的次声信号在时域波形及频谱上相似度高，易受噪声干扰；且随着全球监测网部署，数据量激增，传统人工识别及基于简单特征（如Mel频率倒谱系数MFCC、信息谱熵等）结合支持向量机(support vector machine, SVM)、随机森林的分类方法难以满足实时性与精度要求。现有基于卷积神经网络(CNN)的端到端方法虽可自动提取特征，但对时频分析（Short-Time Fourier Transform, STFT；Continuous Wavelet Transform, CWT；Hilbert–Huang Transform, HHT）方法的选择多凭理论定性比较，缺乏在相同数据集与统一模型架构下定量比较不同二维时频图对CNN特征提取影响的研究，亦忽视时频图生成耗时与模型收敛速度对实时监测的制约。为此，研究人员系统比较三种经典时频表示方法在未去噪次声信号CNN分类中的多维性能，以确定最优时频分析方案。

研究人员采集自次声监测站的2306条样本构成六类次声信号数据集（核试验257条、化学爆炸1084条、火山喷发543条、火箭发射33条、地震137条、闪电252条）。原始信号经分段三次立方保形插值统一采样率为100 Hz后做归一化。分别用STFT（对比汉明Hamming与汉宁Hanning窗，窗长L_w= 0.32 s、1 s、2.56 s，FFT点数NFFT = 512、1024、2048，重叠率50%）、CWT（选用Morlet与Mexican Hat即Mexh小波基，尺度因子64与128）及HHT（基于经验模态分解Empirical Mode Decomposition, EMD求希尔伯特谱）将一维时序信号转为二维时频图。构建具多尺度特征提取机制的统一CNN模型（4个卷积模块含卷积层、批归一化batch normalization、最大池化max-pooling、Leaky ReLU激活，卷积核尺寸递减；3层全连接层单元数递减），以交叉熵损失函数、Adam优化器（学习率0.001，批次大小32）训练，按8:1:1划分训练/验证/测试集，以准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1值(F1-score)、Cohen's Kappa及时频图生成时间、模型收敛速度为评价指标。

3.1 Classification performance comparison（分类性能比较）

研究人员将三种时频表示输入CNN测试。STFT+Hanning窗、窗长1 s、NFFT=1024的组合取得最高分类准确率98.35%，精确率98.44%，召回率98.38%，F1值98.37%，Cohen's Kappa 0.9751；Hanning窗总体优于Hamming窗，窗长对性能影响大于NFFT，适当增大窗长（至1 s）可改善频率分辨力同时保留足够时间分辨力。CWT最优结果为Morlet小波、尺度64时准确率94.02%，较STFT低4.33%，因CWT多频成分能量分布不均不利CNN提取全局判别特征。HHT（EMD-HT）准确率为93.59%，与CWT相近但低于STFT。

3.2 Computational efficiency comparison（计算效率比较）

3.2.1 Time-frequency representation generation time（时频图生成时间）

STFT（Hanning窗，L_w=2.56 s，NFFT=512）单样本平均生成时间约0.85 s，最优配置约1.18 s；CWT（尺度64）约3.35 s，为STFT最优的约3.6倍；HHT中EMD-HT约3.32 s，EEMD-HT约75.36 s，CEEMDAN-HT约152.51 s，HHT平均耗时为STFT最优的约65.3倍。

3.2.2 Model convergence speed（模型收敛速度）

以训练损失下降轨迹衡量，STFT输入时CNN收敛最快（约30 epoch内稳定），CWT次之，HHT最慢且损失曲线波动大；STFT中较长窗长初始收敛快，而NFFT适中（1024）配合合适窗长最终损失更小。

讨论与结论翻译：

讨论指出，STFT固定窗函数提供的高稳定性与平滑效应对含噪次声信号抑制随机噪声涨落、产生低方差一致时频特征，利于CNN学习宏观模式；CWT高分辨同时放大噪声细节致时频图背景杂乱降低信噪比；HHT受经验模态分解端点效应及模态混叠影响，噪声下单条信号分解结果不稳定致时频表示差异大。计算复杂度上FFT优化的STFT远优于需多尺度卷积的CWT及迭代筛分的HHT。因此对于含噪次声信号实时分类，STFT+Hanning窗(L_w=1 s, NFFT=1024)+CNN为最优方案，兼顾高精度与高效率。

结论：研究人员采用STFT、CWT和HHT将六类原始（含噪）次声信号转换为二维时频表示，并在统一多尺度CNN模型中系统比较三者性能，得出：(1)时频表示方法显著影响CNN分类性能，STFT（Hanning窗，窗长1 s，NFFT = 1024）取得最优平衡，六类次声信号分类准确率、精确率、召回率、F1值及Cohen's Kappa分别为98.35%、98.44%、98.38%、98.37%和0.9751，显著优于CWT和HHT；(2)计算效率差异显著，STFT时频图生成时间（约1.18 s）远低于CWT与HHT，模型收敛最快（30 epoch内稳定）；(3)时频方法选择须结合应用场景——实时或大批量数据分类首选STFT，离线非线性分析及低频局部特征分析可分别考虑HHT与CWT。本研究为基于深度学习的时频分析方法参数优化与选型提供重要指导，可直接应用于核爆监测与灾害预警系统以提升精度与实时性；未来可考虑引入注意力机制(attention mechanism)或轻量化CNN模型进一步优化。