本文關(guān)鍵詞：基于優(yōu)化的正交匹配追蹤聲音事件識(shí)別　出處：《電子與信息學(xué)報(bào)》2017年01期 　論文類型：期刊論文

  更多相關(guān)文章： 聲音事件識(shí)別 正交匹配追蹤 稀疏分解 粒子群優(yōu)化 隨機(jī)森林

【摘要】：針對(duì)各種環(huán)境聲對(duì)聲音事件識(shí)別的影響,該文提出一種基于優(yōu)化的正交匹配追蹤(Orthogonal Matching Pursuit,OMP)聲音事件識(shí)別方法。首先,利用OMP稀疏分解并重構(gòu)聲音信號(hào),保留聲音信號(hào)的主體部分,減小噪聲的影響。其中,使用粒子群(Particle Swarm Optimization,PSO)算法優(yōu)化搜索最優(yōu)原子,實(shí)現(xiàn)OMP的快速稀疏分解。接著,對(duì)重構(gòu)聲音信號(hào)提取Mel頻率倒譜系數(shù)(Mel-Frequency Cepstral Coefficients,MFCCs),與OMP時(shí)-頻特征和基頻(PITCH)特征,組成優(yōu)化OMP的復(fù)合特征。最后,通過優(yōu)化OMP復(fù)合特征,使用隨機(jī)森林(Random Forests,RF)對(duì)40種聲音事件在不同環(huán)境不同信噪比下進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明,優(yōu)化OMP復(fù)合特征結(jié)合RF的方法能有效地識(shí)別各種環(huán)境下的聲音事件。
[Abstract]:Aiming at the influence of various ambient sound on acoustic event recognition, this paper presents an optimized orthogonal Matching Pursuit based on orthogonal matching tracking. First, OMP is used to sparse decompose and reconstruct the sound signal, keep the main part of the sound signal, and reduce the influence of noise. Particle Swarm Optimization (PSOs) algorithm is used to optimize the search for optimal atoms and to realize the fast sparse decomposition of OMP. The Mel frequency cepstrum coefficients (Mel-Frequency Cepstral coefficients / MFCCs) are extracted for reconstructed sound signals. Combined with OMP time-frequency and fundamental frequency characteristics, the composite features of OMP are optimized. Finally, the compound features of OMP are optimized. Forty sound events were identified in different environments and different signal-to-noise ratio by random forest random forest fasts RFRFs. The experimental results show that 40 kinds of sound events are identified in different environments and different signal-to-noise ratio (SNR). Optimization of OMP composite features combined with RF can effectively identify sound events in various environments.
【作者單位】： 福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院;
【基金】：國家自然科學(xué)基金(61075022)~~
【分類號(hào)】：TN912.3
【正文快照】： 1引言近年來聲音事件識(shí)別引起廣泛的關(guān)注。聲音事件的識(shí)別在音頻取證[1]、環(huán)境聲音識(shí)別[2]、聲場景分析[3]、環(huán)境安全監(jiān)控[4]、定位跟蹤和聲源分類[5]、病人監(jiān)護(hù)[6]和非正常事件檢測[7]等領(lǐng)域具有重要意義。對(duì)聲音事件的分析、分類和識(shí)別,目前已有一定的研究[8-12]。其中,Mc L

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 周曉敏;李應(yīng);;基于Radon和平移不變性小波變換的鳥類聲音識(shí)別[J];計(jì)算機(jī)應(yīng)用;2014年05期

2 馬超;鄧超;熊堯;吳軍;;一種基于混合遺傳和粒子群的智能優(yōu)化算法[J];計(jì)算機(jī)研究與發(fā)展;2013年11期

3 顏鑫;李應(yīng);;利用抗噪冪歸一化倒譜系數(shù)的鳥類聲音識(shí)別[J];電子學(xué)報(bào);2013年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳璐璐;邱建林;陳燕云;陸鵬程;秦孟梅;趙偉康;;改進(jìn)的遺傳粒子群混合優(yōu)化算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2017年02期

2 陳秋菊;李應(yīng);;基于優(yōu)化正交匹配追蹤和深度置信網(wǎng)的聲音識(shí)別[J];計(jì)算機(jī)應(yīng)用;2017年02期

3 李應(yīng);陳秋菊;;基于優(yōu)化的正交匹配追蹤聲音事件識(shí)別[J];電子與信息學(xué)報(bào);2017年01期

4 王立舒;張麗影;張智文;楊鵬;王樹文;;精細(xì)農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)終端節(jié)點(diǎn)定位研究[J];農(nóng)機(jī)化研究;2017年01期

5 秦志英;齊康花;董桂西;趙月靜;劉堯;;基于聲音信號(hào)的鋼材材質(zhì)檢測及試驗(yàn)研究[J];河北科技大學(xué)學(xué)報(bào);2016年03期

6 李碧玉;李應(yīng);;一種混合優(yōu)化的匹配追蹤生態(tài)聲音識(shí)別方法[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年03期

7 秦志英;劉堯;董桂西;趙月靜;;利用聲音信號(hào)能量比在線識(shí)別鋼材材質(zhì)[J];機(jī)械科學(xué)與技術(shù);2016年05期

8 劉建文;丁潔玉;潘坤;張曉強(qiáng);;基于個(gè)體相似度的改進(jìn)自適應(yīng)遺傳算法研究[J];青島大學(xué)學(xué)報(bào)(工程技術(shù)版);2016年01期

9 秦志英;齊康花;董桂西;趙月靜;劉堯;;基于LabVIEW的鋼材材質(zhì)在線檢測系統(tǒng)軟件設(shè)計(jì)[J];計(jì)算機(jī)測量與控制;2015年12期

10 張瑤;付進(jìn);武建國;;基于對(duì)數(shù)域同態(tài)濾波的時(shí)延估計(jì)算法研究[J];電子學(xué)報(bào);2015年12期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 顏鑫;李應(yīng);;利用抗噪冪歸一化倒譜系數(shù)的鳥類聲音識(shí)別[J];電子學(xué)報(bào);2013年02期

2 劉翔;高勇;;一種引入延遲的語音增強(qiáng)算法[J];現(xiàn)代電子技術(shù);2011年05期

3 王s，

本文編號(hào)：1409231