音頻事件識(shí)別作為音頻研究領(lǐng)域的基礎(chǔ)核心任務(wù),是目前熱門的音頻研究方向如聲音場(chǎng)景分析、音頻事件檢測(cè)、音頻自動(dòng)標(biāo)注等任務(wù)的關(guān)鍵部分。對(duì)于音頻事件識(shí)別系統(tǒng)的構(gòu)建,有一些本質(zhì)的難點(diǎn)需要解決,即音頻分布的隨機(jī)性和音頻事件本身的多樣性。研究的理論目標(biāo)為分析這些根本問(wèn)題,試圖提出一些解決問(wèn)題的思路,研究的實(shí)踐目標(biāo)則是提出適合于音頻事件識(shí)別這個(gè)任務(wù)的獨(dú)特的系統(tǒng)結(jié)構(gòu)。本論文通過(guò)綜合前人的廣泛研究成果,以及機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、語(yǔ)音識(shí)別、人耳感知等領(lǐng)域的知識(shí),從音頻的本質(zhì)出發(fā),提出了分層的屬性理論算法框架,并主要從兩方面著手研究。1.研究了基于卷積神經(jīng)網(wǎng)絡(luò)的音頻事件識(shí)別對(duì)卷積神經(jīng)網(wǎng)絡(luò)的研究,主要目的是解決音頻事件的多樣性和隨機(jī)性,參考國(guó)內(nèi)外對(duì)音頻網(wǎng)絡(luò)設(shè)計(jì)的普適與類別依賴思想,本文對(duì)輸入和網(wǎng)絡(luò)兩個(gè)模塊都進(jìn)行了詳細(xì)的探討,并得出了一些對(duì)更深入研究有指導(dǎo)意義的結(jié)論:輸入方面,嘗試了CQT譜、原始音頻,設(shè)計(jì)了Mel譜、激勵(lì)源和聲道譜等,通過(guò)實(shí)驗(yàn)論證得出最佳輸入Mel聲譜;網(wǎng)絡(luò)方面,重點(diǎn)對(duì)音頻的視野進(jìn)行了研究,主要從卷積視野、網(wǎng)絡(luò)深度視野著手;之后優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu),考慮了分層信息網(wǎng)絡(luò)、殘差網(wǎng)絡(luò)、LSTM網(wǎng)絡(luò)的的引入等,最... 

【文章來(lái)源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１音頻識(shí)別算法框架??

；在網(wǎng)絡(luò)方面，由于ＣＮＮ網(wǎng)絡(luò)具有頻移不變性，能夠有效的減輕由聲源境之間的差異引起的頻譜偏移，另一方面其強(qiáng)大的特征提取能力能夠解決分布隨機(jī)性的問(wèn)題，因此重點(diǎn)嘗試適配適用于音頻識(shí)別的ＣＮＮ網(wǎng)絡(luò)。??．２?ＣＮＮ最佳輸入研究??３．１小節(jié)表明本章的網(wǎng)絡(luò)主要基于ＣＮＮ，本節(jié)主要探討ＣＮＮ前的各種可能性。??．２．１?原始首頻??音頻事件識(shí)別的最原始輸入是一條一條的音頻流，但是在正式輸入到深之前，還需要進(jìn)行輸入的變換，以期望能夠讓網(wǎng)絡(luò)從變換后的輸入里更好學(xué)習(xí)到分類信息。??國(guó)內(nèi)外的研究也時(shí)常使用未經(jīng)加工的原始音頻數(shù)據(jù)實(shí)驗(yàn)，本課題作為對(duì)，也探討了原始音頻作為輸入的情況，例如，典型的槍聲的原始輸入波形所示：??

??聲譜圖的提取如下圖３－１所示。聲譜圖是聲譜特征的可視化，是一種隨時(shí)間??而變化的頻譜圖，其提取的基本流程為對(duì)音頻文件進(jìn)行信號(hào)變化，進(jìn)行短時(shí)傅里??葉變換之后，將其按照灰度和顏色映射關(guān)系，即可繪制成聲譜圖：??音頻一＿＾分幀加窗?＾傅里葉變換?Ｉ?Ｌ〇Ｑ＿度值??數(shù)據(jù)?預(yù)處理?ＳＴＦＴ?｜?Ｌ〇９ＥＪ５Ａ????＼?）?＼?ｙ?Ｖ，?，?Ｊ??＿—??ｒ?＇?、??聲譜圖??灰度與顏色映射?????Ｊ?Ｖ???）??圖３－２聲譜圖的生成流程??本文選用具體的幾種類別的聲譜圖進(jìn)行分析，分別選用了嬰兒哭泣聲、狗叫??－上：ＡＡ＊??尸等：??ｃｉｒ＾??—ａｃ＊＊?＊？．．．、??、■麟、?－?＇?＾?＾??（ａ）嬰兒哭泣聲?（ｂ）女性尖叫聲??ｆ?Ｉ?ｉ?ｉ?＞?＾?＊?ｉ?；?：?＾?？?；?：?；?Ｉ??鱗！５＇．－．??：?ｆｅ??■??（ｃ）腳步聲?（ｄ）典型槍聲??圖３－３四種典型的聲譜圖??聲譜橫軸為時(shí)間，縱軸為頻率。圖中的橫紋對(duì)應(yīng)短時(shí)譜的凸點(diǎn)，即共振峰；??豎紋的單條為基音，條紋的起點(diǎn)相當(dāng)于激勵(lì)源脈沖的起點(diǎn)，條紋之間的距離代表??基音周期

【參考文獻(xiàn)】：
期刊論文
[1]基于MFCC和短時(shí)能量混合的異常聲音識(shí)別算法[J]. 呂霄云,王宏霞.  計(jì)算機(jī)應(yīng)用. 2010(03)

碩士論文
[1]場(chǎng)景依賴的關(guān)鍵音頻事件檢測(cè)[D]. 齊曉旭.北京郵電大學(xué) 2013



本文編號(hào)：3300616