摘要:
閃電哨聲波是一種重要的電磁波動,了解其傳播特征及傳播過程有助于揭開圈層電磁耦合機(jī)理.從衛(wèi)星觀測資料識別閃電哨聲波通常需要將原始電磁波形進(jìn)行濾波處理再轉(zhuǎn)化為時頻圖像,最后采用目視方法識別圖像中的色散狀形態(tài),整個過程消耗大量人機(jī)時間和內(nèi)存資源,不能滿足張衡一號(ZH-1)衛(wèi)星觀測的海量電磁場數(shù)據(jù)處理的需求.針對該問題,鑒于閃電哨聲波原始波形數(shù)據(jù)能夠通過播放器產(chǎn)生降調(diào)的聲音,本文打破以視覺分析為主的閃電哨聲波研究慣例,首次采用語音智能技術(shù)研究其自動識別算法.首先,以張衡一號衛(wèi)星感應(yīng)磁力儀(SCM)的VLF波段的波形數(shù)據(jù)為研究對象,截取時間窗口為0.16 s的波形數(shù)據(jù)作為音頻片段;然后對該片段進(jìn)行去趨勢處理;基于梅爾頻率倒譜系數(shù)(MFCCs)能夠刻畫人耳的聽覺機(jī)理,提取閃電哨聲波的MFCCs特征;其次,構(gòu)建長短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)并輸入波形數(shù)據(jù)的MFCCs特征訓(xùn)練分類模型;最后利用MFCCs特征和訓(xùn)練得到的LSTM分類模型實現(xiàn)閃電哨聲波自動識別.通過對10200數(shù)據(jù)集(5100段包含閃電哨聲波,5100段無閃電哨聲波)上開展實驗發(fā)現(xiàn):該方法的準(zhǔn)確率為96.7%,召回率為84.2%,調(diào)和平均得分(F1-score)為90.0%,AUC(Area under Curve)評分為90.1%,而且消耗的時間成本是2.28 s,消耗內(nèi)存資源是82.89 MB;當(dāng)前最優(yōu)的基于時頻圖的閃電哨聲波識別算法在本數(shù)據(jù)集上的準(zhǔn)確率為97.3%,內(nèi)存消耗為233 MB,在CPU上處理0.16 s的片段數(shù)據(jù)所消耗的時間是6.71 s,內(nèi)存消耗和時間消耗比較嚴(yán)重.相比而言,基于智能語音的閃電哨聲波識別算法準(zhǔn)確率略低0.6%,但能夠節(jié)約66%的時間成本以及65%的內(nèi)存資源.這表明該算法不僅僅適合從衛(wèi)星觀測的海量數(shù)據(jù)中快速準(zhǔn)確識別出閃電哨聲波,且更適合應(yīng)用于星載識別.