主成分分析在回声定位声波识别中的应用

果 ， 除 第 ２个 变 量 ． 第 ４ 次 分 析 删 除 第 １个 变 删 据 量 ． 据 上 述 分 析 ， 除 变 量 依 次 为 ， ， ， ， 根 删
ｌ ， ．
别 取得 了较 理想 的结 果 ． 对参 数个 数分 析发现 ， 随着 主成分 的减 少 ， 代表 原变 量 的信息 量也 在减少 ， 经 神 网络 的识别 能力 在 下 降 ， 的来 说 ， 别 能 力 较 强． 总 识 当参数 个 数 为 ２时 ， ４种 菊 头 蝠 正 确识 别 率 可 同时
量 所对 应 的变量 删 除掉 ．
表 ２的结果 说 明 ， 征 向量 经 主成 分 分 析 进 行 特
坐 标变换 后 ， Ｂ 用 Ｐ神 经 网 络 对 ４种 菊 头 蝠 进 行 识
第 ５个 特征 值为 ０ ０ ０ ｌ 贡 献 率 为 ０ ０ ％ ， ． ０ ， ． ６ 该 特 征值 对 应 的 特 征 向量 中第 ７个 分 量 所 占权 数 最 大， 因此删 除 第 ７个 变 量 ． 第 ３次 主成 分 分 析 结 据
种群 的探测 与种 类 的识 别对 于 明确 蝙蝠 捕 食 环境 和
有 效 开 展 蝙 蝠 保 护 工作 具 有 重 要 意 义 ． 目前 主 要 通 过
在变换 域显示 出来 ， 去掉 对分 类 无 意义 的 信息 ． 被识 别或 分类 的信号一 般都是非平 稳或 突变信号 ， 通常包 含长 时低频 和短 时高频 的信 号 ， 于分 类 的特征往往 用 包含 在局部 的时频信号 中 ， 因而小波包 算法 在特征提
间 维数 ． 关 键 词 ： 蝠 ； 神 识
蝙 蝠 是 世 界 上 分 布 最 广 、 化 最 成 功 的 哺 乳 动 物 进 类 群之一 ． 年来 ， 蝠种 群数 量逐 年 下 降一 近 蝙 ． 蝠 蝙
特 征 ． 些 特 征 在 原 始 特 征 域 通 常 不 易 被 观 察 或 检 这 测 ． 征 提 取 就 是 通 过 变 换 的 方 法 ， 这 些 重 要 特 征 特 使
达 到 ８ ％ 以上 ． Ｏ
② 根 据 主成分 分析 剔 除参数 的顺 序逐 步剔 除能 量特 征参 数 ， 练 神经 网络 ， 训 结果 见表 ３ ．
表 ３ 原 特 征 变 量 神 经 网络 识 别 结 果 ％
第 １ 成 分 主
图 ２ 主 成 分 特 征 空 间 散 布 图
图 ２是 ４种 菊 头蝠第 １和第 ２主 成分 得分 分 布
３ ３ 神 经 网 络 识 别 ．
中在第 ３和第 ４频 段 ． 当参 数 冗余 且参 数 没 有 贡 献 时 ， 经 网络 的识别 能力 下 降． 神 以上 ２种 特 征 向量 优 化 方 法 各 有 优 缺 点 ． １ 第 种 降 维 方 法 ， 经 网 络 总 体 正 确 识 别 率 最 高 为 神
提 取 能 量参 数 ， 用 主 成 分 分 析法 优 化 特 征 空 间 ， 少 冗 余 参 数 ． 优 化 后 的特 征 空 间作 为 识 别 向量 ， 过 神 经 采 减 以 通 网 络对 回声 定 位 声波 进 行 识 别 ． 果 表 明 ， 用 主 成 分分 析 优 化 特 征空 间 ， 结 利 能在 较 高 的识 别 率 下 有 效 降低 特 征 空
９ ． １ ， ４种 菊 头 蝠 识 别 率 可 同 时 达 到 ８ ％ 以 ４７％ 但 ０
上 ； ２种 方 法 ， 经 网络 总 体 正 确 识 别 率 可 高 达 第 神 ９％ ， ７ 且使 用原 始 参 数 进行 识 别 ， 算 量 相对 较 少 ， 计
速度 快 ， 中菊头蝠 识别 率较 低 ， ７ ％左 右 ． 但 在 ０
应 的特 征 向量 中各元 素 的数值 反 映 了各个 变量 属性 对 该 主分量 作用 的大 小 ， 即可 理 解 特 征 向 量 中各 分
量 对该 主分量作 用 的权数 ．
从 原始 变 量所 构 成 的子集 合 中选 择 最 佳 变量 ， 构成最 佳 变量 子集 合． 主成分 分析 筛选 变 量法 ， 以 可
用 小波包 提 取特 征参数 的步骤 为 ： 对 每个 ① 样 本进 行 ３层 小 波包 分 解 ， 提取 第 ３层 ８个 频率 通 道 的信 号特 征 ， ＝ １ … ， ） ② 重 构 小 波包 分 （ ０， ， ７ ； 解 系数 ， 取各 频带 范 围的信 号 ； 求各 频段信 号 的 提 ③
低 的 特 征 被 淹 没 ， 时 也 方 便 数 据 处 理 ． 量 向量 进 同 能 行 归 一 化 处 理 ， 数 据 映 射 到 ０～１范 围 之 内． 用 把 采 能量 归一 化 ， 归 一化后 各参 数平 方 和为一 ． 即 令
７
、
人工 神经 网络具 有 良好 的容错能 力 、 分类 能力 强 及并 行处理 能力和 自学 习能力 ， 广泛 应用 于模式识 被 别 ． 者应 用 目前 较 为成 熟 且 广 泛使 用 的前 向反馈 笔
（ ａｋＰｏａ ａ ｏ ， 称 Ｂ ） 络 来 实 现 蝙 蝠 的识 别 ． Ｂ ｃ ｒｐ ｇｔ ｎ 简 ｉ Ｐ网
１ 特征 提取
对识 别或分类来 说 ， 关键 在于提取模 式 中有效 的
分类 特 征 ． 效 分 类 特 征 就 是 不 同 模 式 类 差 别 较 大 的 有
Ｅ ∑ ｌ １ ＝ ， ＝（ ， Ｅ ）
图 ， 坐 标 为 第 １主 成 分 得 分 ， 坐 标 为 第 ２主 成 分 横 纵
由 表 ３知 ， 步 剔 除 参 数 时 ， 确 识 别 率 总 的 趋 逐 正
势 是增 大 的 ， 当参数 仅剩 下 ， 时 ， 总体 识别 率 高
达 ９ ％ ． 明 ４种 菊 头 蝠 的 回 声 定 位 声 波 的 能 量 集 ７ 说
Ａｐ ．２ １ ｒ ０１
文 章 编 号 ：０ ２～５ ３ ２ １ ） ２—０ ７ １０ ６ ４（０ １ ０ ０ ９—０ ４
主 成 分 分 析 在 回声 定 位 声 波 识 别 中 的应 用
张新 娜 ，付 俊 强
（ 阳理 工 学 院 ， 南 洛 阳 ４ １２ 洛 河 ７ ０ ３）
摘
要 ： 用 主成 分 分 析 理论 对 回声 定 位 声 波 特 征空 间进 行 优化 ， 利 通过 小 波 包 理 论对 回声 定 位 声 波进 行 预 处 理 ，
’ Ｊ ＝ Ｕ 一
则
Ｔ＝［ ， ， ， ， ， ， ， ］ ．
收稿 日期 ：０ １—０ ２１ ｌ—ｌ ５
基 金项 目 ： 阳理 工 学 院青 年 基 金 项 目（ ０ ９ Ｚ ９ ． 洛 ２０Ｑ １） 作 者简 介 ： 新 娜 （ ９ ９ ） 女 ， 南 舞 钢 人 ， 教 ， 士 ， 要 从 事语 音 与 图 像 信号 高 速 处 理 方 面 的研 究 张 １７一 ， 河 助 硕 主
取 中 具 有 良好 的 应 用 潜 力 ．
蝙蝠形态特 征鉴定 蝙蝠的种类 ， 鉴定 的准确 度 主要依
赖 于 研 究 者 的经 验 和 能 力 ． 蝙 蝠 在 黑 暗 中飞 翔 是 利 用 回声 定 位 进 行 导 航 的 ．
不 同种类 的蝙 蝠 ， 体 的外部 形 态 和 内部 结 构不 同 ， 身
以较 少 的 工 作 量 来 选 择 变 量 ， 得 选 择 变 量 子 集 合 获 的 效 果 ． 表 ２可 以 看 出 ， 后 ３个 主 成 分 量 ｚ ， 由 最 ｚ ， 对 应 的 特 征 值 为 零 ， 于 特 征 值 为 零 ， 示 该 ，ｚ 由 表
① 用 主 成分 构成 的特 征 向量 对 回声 定 位 声 波 进 行识 别 ， 结果 见 表 ２ ．
第３ ２卷第 ２期
华
北
水
利
水
电
学
院
学
报
Ｖｏ． ２ Ｎｏ ２ １３ ．
２ １ 年 ４月 ０１
Ｊ ｕ ｎ ｌｏ ｏ ｔ ｈ ｎ ｎ ｔ ｕ ｅ ｏ ａｅ ｏ ｓ ｒ ａ ｃ ｎ ｙ ｒｅ ｅ ｔ ｃ Ｐ ｗｅ ｏ ｒ ａ ｆＮ ｒ Ｃ ｉａ Ｉ ｓ ｔｔ ｆＷ ｔｒＣ ｎ ｅｖ ｎ ｙ ａ ｄ Ｈ ｄ ｏ ｌｃｒ ｏ ｒ ｈ ｉ ｉ
由于神 经 网 络输 入 的 一 维代 表 一个 特 征 ， 以 所 当神 经 网络 的输入 是 多 维 时 ， 识 别 的模 式 有 多个 要 特征 ． 当多个 特 征 的 数 据 相 差 很 大 ， 几 个 数 量 级 如 时， 就需要 归一 化 ， 成 相 同 数 量级 ， 防某 些 数 值 变 以
４ 结
语
应用 小 波 包理 论 、 成 分 分析 与 神 经 网络 理论 主
８ ２
华
北
水
利
水
电
学
院
学
报
２１ ０ １年 ４月
研 究 了 国 内 ４种 菊 头 蝠 回 声 定 位 声 波 的 识 别 方 法 ，
能量 Ｅ，④ 构 造 特 征 向 量 空 间 ［ Ｅ Ｅ Ｅ， ， ； Ｅ ，， ，， ，，
Ｅ ４Ｅ ５Ｅ６ Ｅ７ ． ３， ３， ３， ３］
通常使 用多变 量统计 ， 测量 的参数 包括 时 间、 频率 等．
通 过 这 种 手 段 可 大 致 判 断 出 蝙 蝠 的 种 类 ， 其 适 应 范 但 围 和 准 确 性 都 有 一 定 的局 限 性 ．
第３ ２卷 第 ２期
张 新 娜 ， ： 主 成 分 分 析 在 回声 定 位 声 波 识 别 中 的应 用 等
８ ｌ
明原变 量属 性对 主 分 量 的作 用． 是 与 主 分量 相 对 但
短翼 菊 头蝠 ０ ， 氏菊 头 蝠 ０ ， 铁 菊 头 蝠 １ ， ０鲁 １马 ０ 中 菊 头蝠 １． １ 由 于 降 维 方 法 不 同 ， 别 用 ２种 方 法 对 回 声 定 分 位 声波 进行 识别 ．
实 验选 用 两 层 Ｂ Ｐ神 经 网 络 ． 于 待 识 别 蝙 蝠 由
为 ４种 ， 确定 输入 神 经元 为 ４个 ， 出层 神 经 元 为 ２ 输
个． 由经 验 公 式 ｍ ＋ｎ ＋ａ ｍ 为 输 入 维 数 ， （ ｎ为 输
出维数 ， ａ为 ２～１ ０之 间 的整 数 ） 选 择 隐 层 神 经 元 ， 个 数 为 ５ 传 输 函数 选 用 Ｌ ｇｉ 数 ． 望 输 出 为 ： ． ｏｓ ｇ函 期
表 ２ 主 成 分 向 量 的 神 经 网 络 识 别 结 果 ％
主分 量对 总体 的 贡献最 小 （ 乎 没 有 贡献 ） 而 由该 几 ， 三个 特征 值所 对应 的特 征 向量 中第 ８个 、 ６个 和 第
第 ５个分 量所 占的权 数 最 大 ， 明在 贡献 最 小 的 因 说
子 中 起 主 要 作 用 的 是 第 ６个 分 量 ， 除 第 ５ 第 ６ 第 删 、 、 ８个 变 量 ． 除 的 原 则 是 ， 特 征 向 量 中 具 有 最 大 分 删 把
在 不 同 的 区 域 利 用 不 同 的 捕 食 方 式 ， 渐 形 成 与 其 行 逐 为 相 适 应 的 回声 定 位 声 波 与 发 声 系 统 ． 近 年 来 ， 内外 研 究 者 通 过 回 声 定 位 声 波 对 蝙 蝠 国 识别 和分类 ， 得 了较大进 展． 取 以往 ， 蝠 的 声 学 研 究 蝙
得分 ． 同 图形代 表不 同菊 头蝠 主成 分得 分 ， 不 从左 至
右 分 别 为 马 铁 菊 头 蝠 、 氏 菊 头 蝠 、 菊 头 蝠 和 短 翼 鲁 中 菊 头 蝠 ． 图 中可 以 看 出 ， 二 维 主 成 分 坐 标 下 马 铁 从 在 菊 头 蝠 、 氏 菊 头 蝠 和 短 翼 菊 头 蝠 可 以 较 明 显 地 区 鲁 别 开 ， 菊 头 蝠 与 鲁 氏 菊 头 蝠 和 短 翼 菊 头 蝠 有 部 分 中 交 错 ， 难识 别 ． 较