Кепстральный анализ

Кепстральный анализ — это метод обработки сигналов, основанный на вычислении кепстра (от англ. cepstrum, образованного перестановкой букв в слове spectrum). Кепстр представляет собой результат обратного преобразования Фурье от логарифма спектра мощности сигнала. Кепстральный анализ позволяет выявлять периодичности в спектре сигнала, что делает его эффективным инструментом для задач, связанных с разделением источников звука, оценкой высоты тона, обнаружением эха, а также в обработке речи, сейсмологии и машинной диагностике.

История

Метод кепстрального анализа был предложен в 1963 году американскими инженерами Брюсом Богертом (Bruce Bogert), Мервином Хили (Mervin Healy) и Джоном Тьюки (John Tukey) в работе «The Quefrency Analysis of Time Series for Echoes: Cepstrum, Pseudo-Autocovariance, Cross-Cepstrum and Saphe Cracking». Термин «кепстр» был введён как анаграмма слова «спектр», а понятия «квефренция» (quefrency) — как анаграмма «частоты» (frequency). Изначально метод применялся для обнаружения эхо-сигналов в сейсмических данных, но впоследствии нашёл широкое применение в акустике и цифровой обработке речи.

В 1970-х годах кепстральный анализ стал основой для построения мел-кепстральных коэффициентов (MFCC), которые до сих пор остаются одним из ключевых признаков в системах распознавания речи. С развитием вычислительной техники метод стал использоваться в реальном времени, например, в анализаторах голоса и системах диагностики механизмов.

Математическое определение

Кепстр определяется как обратное преобразование Фурье от логарифма спектра мощности сигнала:

\[ C(\tau) = \mathcal{F}^{-1}\{ \log(|X(f)|^2) \} \]

где \(X(f)\) — преобразование Фурье исходного сигнала \(x(t)\), \(\tau\) — время (квефренция). В отличие от автокорреляционной функции, кепстр позволяет разделять компоненты сигнала, которые перемножаются в частотной области, а не складываются.

Для практических вычислений часто используется комплексный кепстр, основанный на логарифме комплексного спектра:

\[ \hat{x}(t) = \mathcal{F}^{-1}\{ \log(X(f)) \} \]

Комплексный кепстр сохраняет фазовую информацию и позволяет восстанавливать исходный сигнал.

Виды кепстра

Кепстр мощности

Вычисляется на основе логарифма спектра мощности. Используется для анализа периодических структур в спектре, например, при обнаружении гармоник или эха.

Комплексный кепстр

Основан на логарифме комплексного спектра. Позволяет разделять сигнал на минимально-фазовую и максимально-фазовую составляющие. Применяется в задачах гомоморфной фильтрации и деконволюции.

Мел-кепстральные коэффициенты (MFCC)

Получаются путём применения к спектру набора треугольных фильтров в мел-шкале (нелинейная шкала частот, приближающая восприятие звука человеком), а затем — косинусного преобразования. MFCC широко используются в системах распознавания речи, идентификации диктора и классификации аудиособытий.

Применение

Обработка речи

Кепстральный анализ лежит в основе многих алгоритмов распознавания речи. MFCC позволяют выделять формантную структуру речи, устойчивую к шумам и вариациям голоса. Кепстр также используется для оценки высоты тона (F0) — основной частоты голоса, что важно для синтеза речи и анализа интонации.

Обнаружение эха и реверберации

В радиолокации, гидролокации и сейсмологии кепстр позволяет выделять отражённые сигналы, задержанные во времени. Например, при анализе сейсмических данных кепстр помогает различать прямой сигнал и его отражения от геологических слоёв.

Диагностика машин и механизмов

В вибродиагностике кепстр используется для выявления периодических ударных импульсов, характерных для дефектов подшипников, зубчатых передач или лопаток турбин. Кепстр позволяет отделить вибрацию от вращающихся частей от шумов и помех.

Анализ музыкальных сигналов

Кепстр помогает определять высоту звука музыкальных инструментов, выделять гармонические составляющие и обнаруживать атаку звука. В задачах автоматического транскрибирования музыки кепстр используется для оценки тональности и тембра.

Акустика и эхолокация

В системах активного шумоподавления и акустической локации кепстр позволяет оценивать время задержки эхо-сигналов и разделять их от прямого звука.

Преимущества и ограничения

Преимущества

• Высокая чувствительность к периодическим структурам в спектре.
• Возможность разделения сигналов, смешанных путём свёртки (например, голос и канал передачи).
• Устойчивость к аддитивному шуму при правильном выборе оконной функции.
• Широкая применимость в задачах, где автокорреляция неэффективна.

Ограничения

• Вычислительная сложность выше, чем у простых методов корреляционного анализа.
• Чувствительность к фазовым искажениям при использовании кепстра мощности.
• Необходимость выбора оптимального окна и длины БПФ для получения стабильных результатов.
• При наличии сильных нелинейных искажений кепстр может давать ложные пики.

Примеры

Пример 1: Обнаружение высоты тона речи

При анализе голосового сигнала кепстр показывает пик на квефренции, соответствующей периоду основного тона. Для мужского голоса с частотой 100 Гц этот пик будет на квефренции около 10 мс, для женского голоса с частотой 200 Гц — около 5 мс.

Пример 2: Диагностика подшипника

В вибрационном сигнале от дефектного подшипника появляются периодические ударные импульсы. Кепстр этих импульсов даёт пик на квефренции, равной периоду повторения ударов, что позволяет локализовать дефект.

Интересные факты

• Термин «кепстр» был придуман как шутка: авторы метода хотели подчеркнуть, что это «спектр наоборот». Аналогично, «квефренция» — это «частота наоборот».
• Кепстр используется в криминалистике для анализа голосовых записей и выявления их подлинности.
• В сейсмологии кепстр помогал обнаруживать подземные ядерные взрывы, отличая их от естественных землетрясений по характерным эхо-сигналам.

Источники

• Bogert, B. P., Healy, M. J. R., & Tukey, J. W. (1963). «The Quefrency Analysis of Time Series for Echoes: Cepstrum, Pseudo-Autocovariance, Cross-Cepstrum and Saphe Cracking». Proceedings of the Symposium on Time Series Analysis.
• Oppenheim, A. V., & Schafer, R. W. (2004). «Discrete-Time Signal Processing». Prentice Hall.
• Rabiner, L. R., & Schafer, R. W. (1978). «Digital Processing of Speech Signals». Prentice Hall.
• Randall, R. B. (1987). «Frequency Analysis». Bruel & Kjaer.