Методика обнаружения узкополосного акустического сигнала на основе бинарного спектрального представления

Abstract

Рассматривается задача обнаружения узкополосного акустического сигнала на фоне интенсивного шума, характерного для реальных условий регистрации звука (например, работа двигателей). Предложен алгоритм цифровой обработки сигнала, основанный на временно-частотном анализе, бинаризации спектра и выявлении устойчивых во времени спектральных компонент. Для каждого временного окна вычисляется спектр мощности, после чего на основе среднего значения и разброса амплитуд формируется адаптивный порог, а локальные максимумы кодируются единицами в бинарной матрице. Столбцы этой матрицы, содержащие единицы на протяжении большинства окон, интерпретируются как признак полезного сигнала. Применение свёртки и фрагментного анализа повышает надёжность детектирования. Эксперименты с реальными аудиозаписями подтвердили работоспособность метода при низком отношении сигнал/шум и отсутствии априорных данных о частоте сигнала. Выявлены недостатки исходного подхода: чувствительность к нестационарности частоты и высокие вычислительные затраты. Для их устранения предложен переход к анализу mel-шкалы, что уменьшает число разрывов в бинарном представлении и снижает требования к ресурсам. Разработанный алгоритм может быть применён в системах автоматического мониторинга и технической диагностики. The problem of detecting a narrowband acoustic signal against a background of intense noise typical of real-world sound recording conditions (for example, engine operation) is considered. An algorithm for digital signal processing is proposed, based on time-frequency analysis, spectrum binarization, and identification of time-stable spectral components. For each time window, the power spectrum is calculated; then, based on the mean value and amplitude variability, an adaptive threshold is formed, and local maxima are encoded as ones in a binary matrix. The columns of this matrix, which contain ones throughout most windows, are interpreted as a sign of a useful signal. The use of convolution and fragment analysis increases the reliability of detection. Experiments with real audio recordings have confirmed the effectiveness of the method at low signal to noise ratios and in the absence of a priori data about the signal frequency. Shortcomings of the original approach have been identified: sensitivity to frequency non stationarity and high computational costs. To eliminate them, a transition to mel-scale analysis is proposed, which reduces the number of breaks in the binary representation and lowers resource requirements. The developed algorithm can be applied in automatic monitoring and technical diagnostics systems.