非视距环境中用于身份识别的二次声学回声拓扑谱融合

《Scientific Reports》：Topological-spectral fusion of secondary acoustic echoes for identity recognition in non-line-of-sight environments

　　

摘要

在非视域（NLOS）环境中识别个体是一个具有挑战性的问题。这一难点源于直接信号传播的缺失以及测量中多径分量的主导作用。当前很大一部分研究致力于将这些分量作为噪声进行抑制，这可能导致潜在具有区分性的个体特异性生物特征信息的丢失。在本研究中，设计了一种代表 NLOS 条件的受控多通道声学实验装置。利用从设计的实验装置中获得的数据，将多径分量作为区分信息来源进行分析，并基于此分析开发了一种识别框架。为此，通过一个由 8 个扬声器和 8 个麦克风组成的声学实验装置，收集了 10 名不同受试者的数据。在本研究中，二次回波被视为由于受试者与环境相互作用而产生的延迟多径分量，它是在由扬声器至麦克风的直接泄漏和早期墙壁反射主导的早期时间段之后观察到的。因此，每个麦克风通道的原始信号被分割成不重叠的 1024 样本窗口，并将超过自适应能量阈值的最后一个窗口选为二次回波片段。虽然这个过程在时间上过滤掉了早期分量，但所选片段可能包含房间混响的影响以及延迟的受试者 - 环境相互作用。从二次回波片段中提取了两种不同的特征表示。首先，获得了基于短时傅里叶变换的时间平均谱表示（STFT）。然后，提取了基于有限可渗透可见性图（LPVG）的拓扑特征。频谱表示和拓扑表示在特征层面进行结合，以创建混合特征空间。这些获得的特征使用随机森林（RF）、极端随机树（Extra Trees）和支持向量机（SVM）进行了分类。模型性能在同一房间几何结构下不同的环境条件中进行了评估。为此，应用了一种基于物体配置的留一场景外（Leave-One-Scene-Out）验证协议。在结合单扬声器和同时多扬声器激发的配置下，使用 RF 分类器获得了最高性能。在这些条件下，STFT 和 LPVG 表示分别达到了 94.17%?±?6.48% 和 88.83%?±?9.18% 的平均准确率。融合表示的平均准确率被发现为 96.17?±?4.07%。研究表明，结合使用频谱表示和拓扑表示通常比单独使用任何一种表示提供更高的准确率。还观察到融合方法的折间标准差更低。此外，结果表明，二次声学回波分量可以在 NLOS 环境中携带个体间的区分性模式。观察到环境物体配置可以通过改变多径结构来影响区分能力，并且在某些条件下，这种效应可以得到增强。