發(fā)布時間：2020-10-20 15:58

　　 聲學場景分類(Acoustic Scenes Classification,ASC)和聲音事件檢測(Sound Event Detection,SED)是多媒體分析與檢索、音頻監(jiān)控、智能輔助駕駛等應用領域的關鍵技術,也是目前音頻信號處理領域的研究熱點之一。本文以復雜音頻作為分析對象,探討基于深度學習的聲學場景分類和聲音事件檢測方法。本文主要工作及創(chuàng)新點如下:(1)提出了基于音頻特征增強的聲學場景分類方法。本文主要探討音頻特征增強(Audio Feature Augmentation,AFA)對聲學場景分類性能的影響。具體包括:對兩個通道音頻數(shù)據(jù)的特征進行求均值和求差運算,得到兩個通道特征的相同點和差異點;對音頻數(shù)據(jù)均值的頻譜做諧波沖擊源分離(Harmonic Percussive Source Separation,HPSS),得到增強的音頻特征。采用實驗數(shù)據(jù)庫DCASE2016和DCASE2017進行評測,基于音頻特征增強的聲學場景分類方法獲得的準確率分別為85.8%和69.9%,均優(yōu)于沒有做數(shù)據(jù)增強的方法。此外,與其它聲學場景分類方法相比,本文方法性能更優(yōu)。(2)提出基于深度特征融合的道路異常聲音事件檢測方法。首先,采用深度自編碼網(wǎng)絡(Deep Autoencoder Network,DAN)將梅爾頻率倒譜系數(shù)(Mel Frequency Cepstral Coefficient,MFCC),Bark濾波器組(Bark Filter Bank,BFB)和Gabor濾波器組(Gabor Filter Bank,GFB)三種淺層特征變換為深度特征,然后將上述深度特征的組合再次采用深度自編碼網(wǎng)絡進行變換得到融合的深度特征,最后將融合的深度特征輸入長短時記憶網(wǎng)絡(Long Short Term Memory Network,LSTMN)進行判決。實驗結果表明,融合的深度特征在沒有添加噪聲時所得到的異常聲音事件檢測準確率為92.15%,F值為91.32%,高于其他單一特征所得到的結果;在添加噪聲后,當信噪比分別為20 dB、10 dB、0 dB、-10dB時,融合的深度特征的性能明顯優(yōu)于其他特征,具有較強的抗噪性。綜上所述,本文提出基于音頻特征增強的聲學場景分類方法和基于深度特征融合的道路異常聲音事件檢測方法。從多個側面實驗分析本文提出方法的性能,在多種實驗條件下進行對比,驗證本文方法的可靠性和有效性。
【學位單位】：華南理工大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TN912.3;TP18
【部分圖文】：

圖 2-1 梅爾頻率倒譜系數(shù)提取流程聲音信號的短時平穩(wěn)性，在進行 40ms，幀移為幀長的一半左右。與窗函數(shù)相乘。窗函數(shù)為漢明窗 ，，0120.540.46cos()Nnn 后的聲音信號做傅里葉變換，提取()()0102 XkxnekNnNknj， 信號的頻譜后，設計梅爾濾波器隔分布的三角濾波器組，如圖 2

圖 2-2 梅爾濾波器組關系圖由此得出梅爾帶通濾波器組的系統(tǒng)函數(shù)為： 0,(1),()(1)(1)()(1),(1)()()(1)(1)0,(1)()kfmfmkfmfmfmfmkfmkfmfmfmkfmkfmHkm(2-5)f (m)為濾波器的中心頻率，定義如下： 1()()()1MBfBfBBfmfNfmhlls(2-6)

第二章 聲學特征與分類器 LlmllNMFCCi1lg()cos2()，m(l)為三角濾波器組濾波后輸提取過程和 MFCC 類似，區(qū)別在于波器組特征采用的是 Bark 濾波器
【參考文獻】

相關期刊論文 前3條

1 其米克·巴特西;黃浩;王羨慧;;基于深度神經(jīng)網(wǎng)絡的維吾爾語語音識別[J];計算機工程與設計;2015年08期

2 何俊;李艷雄;賀前華;李威;;變異特征加權的異常語音說話人識別算法[J];華南理工大學學報(自然科學版);2012年03期

3 賀前華;李艷雄;李韜;張虹;楊繼臣;;基于兩步判決的口語中非文字音頻事件檢測方法[J];華南理工大學學報(自然科學版);2011年02期

本文編號：2848874