基于增强型StarGAN的综合管廊管道泄漏声纹去噪方法

《Polysaccharides》：Denoising Method for Pipeline Leakage Voiceprint in Utility Tunnel Using an Enhanced StarGAN

　　

城市地下综合管廊内的供水管道泄漏对管廊安全运营构成重大威胁，因此研究人员采用声纹识别技术开展管道实时监测。尽管综合管廊受室外环境干扰较小，但内部多种噪声仍会降低声纹识别的准确率。针对该问题，本研究提出了一种基于增强型StarGAN（多域生成对抗网络）的去噪方法，仅需单一网络即可处理多种类型的噪声。与原始的、面向语音转换任务开发的StarGAN-VC2（面向语音转换的StarGAN变体）不同，该模型针对泄漏声纹去噪任务进行了专项重新设计，集成了基于梅尔频率倒谱系数（MFCC）的特征表示、轻量型瓶颈（bottleneck）结构、压缩激发（SE）通道注意力机制、残差特征保留模块以及U-Net（编解码器跳跃连接网络）式重建结构。实验与工程应用结果表明，去噪后信号的信噪比（SNR）、峰值信噪比（PSNR）、信号信号比（SSR）分别提升3~7 dB、3~4 dB、3~4，且模型具备强泛化能力与即插即用（plug-and-play）特性，可与传统去噪网络、声纹识别网络无缝集成。上述结果证明，所提方法可有效抑制综合管廊内各类噪声，同时保留与泄漏相关的声纹特征。

当前城市地下综合管廊是城市生命线的核心载体，内部敷设的供水管道泄漏是威胁管廊安全运营的常见故障模式，传统依赖视频巡检、人工定期巡查的检测手段无法实现连续实时监测，泄漏发现滞后会导致水资源浪费、经济损失与供水服务质量下降。相较于开放室外环境，封闭综合管廊内的声学场相对稳定、外部干扰有限，为基于声纹识别的实时管道监测提供了可行条件，但管廊内部存在电气放电打火、通风系统运行噪声、相邻燃气管泄漏噪声、巡检人员活动、水泵运行噪声、通信设备电磁干扰等多种噪声源；同时供水管道泄漏产生的特征声纹会伴随混响、高压水射流冲击管壁的冲击噪声、泄漏水流冲击管底的冲击噪声等二次声学成分，泄漏声与各类干扰噪声、二次声学成分常在时频域重叠，易掩盖或扭曲泄漏相关声纹特征，降低泄漏信号的可分性，最终限制基于声纹的泄漏检测准确率。现有去噪方法可分为传统信号处理方法与深度学习方法两类：前者无需或仅需少量训练数据，工程易部署，典型方法包括时域滤波、频域滤波、谱减法、维纳滤波、自适应信号分解等，但依赖先验噪声估计或人工参数设置，易在去噪过程中同步移除泄漏相关声纹细节，无法满足复杂综合管廊下的多噪声去噪需求；后者可学习含噪声信号到纯净表示的线性映射，但性能高度依赖训练数据覆盖的噪声场景，对未见过的新型管廊噪声泛化性差，且存在训练数据需求量大、计算成本高、部署难度大等问题，现有方法均难以适配综合管廊多类型噪声共存的复杂场景，无法同时满足多噪声抑制、泄漏特征保留、低计算开销的工程需求。基于此，研究人员开展本研究，开发可统一处理多类型噪声的泄漏声纹去噪方法，相关研究成果发表于学术期刊《Polysaccharides》。
研究人员采用的核心技术方法如下：首先搭建尺寸为6.3 m×1.02 m×1.1 m的综合管廊缩尺实验平台，内部敷设DN₅₀供水管道与DN₅₀燃气管道，通过钻削孔径为4、6、8 mm的孔模拟管道泄漏，设置0.40、0.45、0.50 MPa三级管道内压，在距泄漏口0.3、0.5、0.8 m处采集采样率为48 kHz的泄漏声信号；随后叠加水泵噪声、电气噪声、气体泄漏噪声、风机噪声、电火花噪声、脚步声、嗡嗡声7类典型管廊噪声，生成7类含噪泄漏声纹与1类纯净泄漏声纹共8类数据集，提取梅尔频率倒谱系数（MFCC）特征作为模型输入，按7:3比例划分训练集与测试集。所提方法基于多域生成对抗网络StarGAN（多域生成对抗网络）改进，核心改造包括：将面向语音转换任务的StarGAN-VC2（面向语音转换的StarGAN变体）重构为面向多噪声去噪的任务框架，将原始9层残差瓶颈压缩为5层轻量型瓶颈（bottleneck）结构，引入压缩激发（SE）通道注意力模块、残差跳跃连接与U-Net（编解码器跳跃连接网络）式编解码器连接，输入特征维度由512降至128，采用对抗损失、重构损失、自重建损失、条件损失四类损失函数联合优化模型，设置迭代轮次为20万轮，每5次判别器更新后迭代1次生成器，学习率在10万轮后开始衰减，基于Adam优化器开展参数优化，全部训练实验在NVIDIA RTX 4080显卡上开展，单次训练耗时约7.5 h。
研究结果部分：
3.1 MFCC结果分析：研究人员通过对比去噪前后声纹与纯净泄漏声纹的梅尔频率倒谱系数（MFCC）频谱图发现，原始含噪MFCC存在噪声依赖的特征畸变，去噪后最低阶MFCC区域的低能量带恢复，低中阶区域的水平能量带更接近纯净声纹特征，高阶区域纹理模式更稳定，证明所提方法可在抑制噪声诱导畸变的同时保留泄漏相关声纹结构，为后续识别提供更可靠的特征输入。
3.2 定量去噪结果：研究人员以信噪比（SNR）、峰值信噪比（PSNR）、信号信号比（SSR）为评估指标开展定量测试，结果显示所有7类噪声类型下去噪后三项指标均实现正向提升：水泵噪声、电气噪声、风机噪声的信噪比提升最高，分别达7.66 dB、9.53 dB、9.60 dB；气体泄漏噪声的信号信号比提升最高达5.85，整体去噪性能优于传统信号处理方法。
3.3 消融实验与基线方法对比：为明确各改进模块的贡献，研究人员开展消融实验，结果显示移除U-Net式重建结构、残差跳跃连接、SE模块均会导致三项指标明显下降，证明各模块协同实现噪声感知特征筛选、泄漏细节保留与重建质量提升；与CMGAN、HiFi-GAN、深度滤波网络、去噪自编码器、U-Net、互补集合经验模态分解-最小均方（CEEMDAN-LMS）、CEEMDAN-独立成分分析（ICA）&交叉谱分析共7种代表性深度学习和信号分解基线方法相比，所提增强型StarGAN的平均信噪比、峰值信噪比、信号信号比提升分别为2.60 dB、2.29 dB、2.19，整体去噪性能最优。
3.4 模型泛化性能分析：为验证模型在不同噪声强度下的适用性，研究人员将噪声添加比例调整为75%、50%后开展测试，结果显示模型在两类降低的噪声强度下仍保持正向去噪增益，证明其在不同噪声水平下均具备有效性，泛化能力较强。
3.5 混合噪声场景测试：为验证模型在实际综合管廊多噪声共存场景下的适用性，研究人员选取水泵、电气、风机三类最常见噪声，构建3类两两混合、1类三者叠加的混合噪声场景开展测试，结果显示模型在全部混合噪声条件下均实现三项指标的正向提升，其中电-风混合噪声的信噪比提升最高达4.36 dB，三者叠加场景下虽增益有所下降，但仍保持正向去噪效果，符合实际工程的多噪声场景需求。
3.6 与传统去噪方法的联合应用：为验证所提方法的集成能力，研究人员将其与传统谱减法联合使用，先通过谱减法降低输入信号复杂度，再通过所提StarGAN网络恢复被谱减法破坏的声纹特征，测试显示联合方法的梅尔频率倒谱系数（MFCC）特征更接近纯净声纹，定量指标优于单独使用谱减法，证明所提方法可作为特征恢复模块与传统去噪方法集成。
3.7 下游声纹识别验证：为验证去噪效果的实际价值，研究人员将所提去噪网络与轻量型二分类卷积神经网络（用于判断输入声纹是否含泄漏特征）集成，测试显示未去噪时泄漏识别准确率仅42%，经所提方法去噪后准确率提升至95%以上；随后在模拟综合管廊的现场试验中，采用真实泄漏声与真实管廊噪声通过蓝牙音箱播放，经管廊内传播后采集信号开展测试，去噪后音频的泄漏识别准确率达94%，验证了方法的实际工程适用性。
讨论部分研究人员指出，本研究存在待完善方向：一是深度学习方法依赖大规模、多样化的噪声数据集，而该类数据集的构建需要从不同工程场景中采集噪声样本，劳动强度大、耗时久；二是实际工程中多噪声源常同时共存，需进一步验证模型在更复杂混合噪声场景下的性能；此外，目前仅通过MFCC特征验证了声纹特征恢复效果，重建音频的感知质量与纯净泄漏声纹仍存在差距。研究结论：综合管廊是噪声类型多样、声纹模式复杂的典型地下环境，去噪是基于声纹的监测与管道泄漏检测的关键前置步骤。本研究提出了一种基于StarGAN（多域生成对抗网络）的综合管廊声纹去噪网络，可抑制管廊内多类型噪声，且兼容传统去噪方法与声纹识别网络。实验结果表明，该方法可显著提升去噪后声纹的质量，去噪后声纹的MFCC表示与纯净管道泄漏声纹的一致性更高，证明可有效保留泄漏相关特征；定量结果显示，去噪后信噪比（SNR）、峰值信噪比（PSNR）、信号信号比（SSR）分别提升3.02~9.60 dB、0.83~3.65 dB、3.23~5.85。此外，所提网络具备强泛化能力，在不同噪声水平下均可保持有效的去噪性能。综上，本研究所提基于增强型StarGAN的去噪网络可基于单一模型统一处理复杂混合噪声场景，该统一处理策略可提升工程应用的监测效率与自动化水平，同时降低计算负担与部署成本；此外，所提网络为模块化即插即用（plug-and-play）组件，可独立使用，也可与其他去噪、识别模型集成：与传统谱减法的集成可进一步提升整体去噪性能，缓解谱减法导致的声纹特征丢失问题；与声纹识别网络集成可将管道泄漏识别准确率从42%提升至95%以上，为综合管廊管道泄漏的实时声纹监测提供了有效的预处理方案，具有重要的工程应用价值。