本文關(guān)鍵詞： 聲音事件識別 正交匹配追蹤 稀疏分解 粒子群優(yōu)化 深度置信網(wǎng)　出處：《計算機應(yīng)用》2017年02期 　論文類型：期刊論文

【摘要】：針對各種環(huán)境聲音對聲音事件識別的影響,提出一種基于優(yōu)化的正交匹配追蹤(OOMP)和深度置信網(wǎng)(DBN)的聲音事件識別方法。首先,利用粒子群優(yōu)化(PSO)算法優(yōu)化OMP稀疏分解,在實現(xiàn)正交匹配追蹤(OMP)的快速稀疏分解的同時,保留聲音信號的主體部分,抑制噪聲對聲音信號的影響;接著,對重構(gòu)聲音信號提取Mel頻率倒譜系數(shù)(MFCC)、OMP時-頻特征和基音頻率(Pitch)特征,組成OOMP的復(fù)合特征;最后,使用DBN對提取的OOMP特征進(jìn)行特征學(xué)習(xí),并對40種聲音事件在不同環(huán)境不同信噪比下進(jìn)行識別。實驗結(jié)果表明,OOMP特征結(jié)合DBN的方法適用于各種環(huán)境聲下的聲音事件識別,而且能有效地識別各種環(huán)境下的聲音事件,即使在信噪比(SNR)為0 d B的情況下,仍然能保持平均60%的識別率。
[Abstract]:Aiming at the influence of environmental sound on sound event recognition, a sound event recognition method based on orthogonal matching tracking (OOMP) and depth confidence net (DBN) is proposed. Firstly, particle swarm optimization (PSO) algorithm is used to optimize the sparse decomposition of OMP. While realizing the fast sparse decomposition of orthogonal matching tracking (OMP), the main part of the sound signal is retained to suppress the influence of noise on the sound signal. The time-frequency feature and pitch feature of Mel frequency cepstrum are extracted from reconstructed sound signal to form the compound feature of OOMP. Finally, the feature learning of OOMP feature extracted by DBN is carried out. The experimental results show that the OOMP method combined with DBN is suitable for acoustic event recognition in various environments, and it can effectively recognize sound events in various environments. Even when the SNR is 0 dB, the average recognition rate is 60%.
【作者單位】： 福州大學(xué)數(shù)學(xué)與計算機科學(xué)學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61075022)~~
【分類號】：TN912.34

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙玉娟;水鵬朗;張凌霜;;基于子空間匹配追蹤的信號稀疏逼近[J];信號處理;2006年04期

2 趙玉娟;;分層匹配追蹤對信號的稀疏逼近[J];江蘇教育學(xué)院學(xué)報(自然科學(xué)版);2007年02期

3 杜小勇;段曉君;;匹配追蹤信號分解收斂性的一種證明[J];湖南工業(yè)大學(xué)學(xué)報;2010年01期

4 韓德亮;于鳳芹;;基于匹配追蹤算法的漢語音節(jié)重疊聲韻分割[J];計算機工程與設(shè)計;2012年07期

5 姚遠(yuǎn);梁志毅;;基于壓縮感知信號重建的自適應(yīng)空間正交匹配追蹤算法[J];計算機科學(xué);2012年10期

6 曾春艷;馬麗紅;杜明輝;;前向預(yù)測與回溯結(jié)合的正交匹配追蹤算法[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2012年08期

7 蔣留兵;黃韜;;一種新的壓縮采樣匹配追蹤算法[J];計算機應(yīng)用研究;2013年02期

8 黃芳;朱永忠;;基于局部性質(zhì)的改進(jìn)正交匹配追蹤算法[J];青島科技大學(xué)學(xué)報(自然科學(xué)版);2013年05期

9 馬強;金裕紅;;框架理論在匹配追蹤算法中的應(yīng)用[J];計算機與數(shù)字工程;2010年12期

10 韓德亮;于鳳芹;李亞文;;基于遺傳匹配追蹤分解的漢語孤立字聲韻分割[J];計算機系統(tǒng)應(yīng)用;2012年02期

相關(guān)會議論文 前7條

1 陸媛媛;宋煒;左佳卉;李亭;;基于改進(jìn)匹配追蹤的子波特征能量氣藏檢測方法[A];中國地球物理2013——第十九專題論文集[C];2013年

2 李輝;;面向圖像視頻編碼的多規(guī)模匹配追蹤圖像表達(dá)法[A];信息科學(xué)與微電子技術(shù):中國科協(xié)第三屆青年學(xué)術(shù)年會論文集[C];1998年

3 李政;羅飛路;;基于匹配追蹤的超聲回波參數(shù)估計方法[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

4 秦曉偉;郭建中;;匹配追蹤算法(MP)在超聲成像中的研究[A];第二屆西安-上海兩地聲學(xué)學(xué)術(shù)會議論文集[C];2011年

5 于勇凌;張海燕;馬世偉;;改進(jìn)的chirplet匹配追蹤在Lamb波信號時頻分析中的應(yīng)用[A];融合與創(chuàng)新：新世紀(jì)物理聲學(xué)的發(fā)展——二零一二年度全國物理聲學(xué)會議論文集[C];2012年

6 高建虎;陳杰;張履謙;;基于壓縮感知和EMD的SAR海洋內(nèi)波探測方法[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

7 蘇哲;許錄平;甘偉;;基于壓縮感知的脈沖星輪廓構(gòu)建算法[A];第二屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會電子文集[C];2011年

相關(guān)博士學(xué)位論文 前5條

1 楊成;壓縮采樣中匹配追蹤約束等距性分析及其應(yīng)用[D];復(fù)旦大學(xué);2011年

2 曾春艷;匹配追蹤的最佳原子選擇策略和壓縮感知盲稀疏度重建算法改進(jìn)[D];華南理工大學(xué);2013年

3 楊瑞明;基于壓縮采樣的比幅測向方法研究[D];電子科技大學(xué);2010年

4 韓曉紅;混沌時序非線性去噪方法研究及其應(yīng)用[D];太原理工大學(xué);2012年

5 李青;優(yōu)化核方法[D];西安電子科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 李會龍;轉(zhuǎn)子匹配追蹤信息熵故障診斷研究[D];中北大學(xué);2016年

2 楊盼;壓縮感知中改進(jìn)的匹配追蹤類算法研究[D];安徽大學(xué);2016年

3 辛一;基于分層匹配追蹤及保序稀疏編碼的行人識別研究[D];安徽大學(xué);2016年

4 李明;匹配追蹤在環(huán)境聲音事件識別中的應(yīng)用研究[D];福州大學(xué);2013年

5 歐陽楨;優(yōu)化的匹配追蹤用于生態(tài)聲音識別[D];福州大學(xué);2014年

6 吳悠;汽車變速器齒輪和軸承混合故障診斷方法及實驗研究[D];華南理工大學(xué);2016年

7 趙玉娟;基于子空間匹配追蹤的信號稀疏逼近[D];西安電子科技大學(xué);2005年

8 任曉馨;壓縮感知貪婪匹配追蹤類重建算法研究[D];北京交通大學(xué);2012年

9 校午陽;基于多通道匹配追蹤算法的時頻分析研究及在腦電信號處理中的應(yīng)用[D];天津醫(yī)科大學(xué);2012年

10 李亞文;遺傳匹配追蹤算法的研究與改進(jìn)[D];江南大學(xué);2011年

，

本文編號：1515736