智能移動(dòng)終端的場(chǎng)景識(shí)別是智能化機(jī)器研究的重要分支,在終端定位導(dǎo)航、路徑規(guī)劃和安防監(jiān)控等方面具有廣闊的應(yīng)用前景�；谝纛l的場(chǎng)景識(shí)別不僅能解決圖像處理計(jì)算周期長(zhǎng)和動(dòng)態(tài)性能差等問題,還具有不受光線變化干擾的特點(diǎn)。智能移動(dòng)終端配備高靈敏度傳感器、大容量?jī)?nèi)存和高性能CPU,不僅可采集音頻信號(hào),還能滿足存儲(chǔ)和處理音頻信號(hào)的需要,因此基于智能移動(dòng)終端的音頻場(chǎng)景檢測(cè)方法研究具有重要意義。本研究首先在智能移動(dòng)終端上設(shè)計(jì)了一個(gè)應(yīng)用程序,實(shí)現(xiàn)實(shí)時(shí)音頻信號(hào)采集、降噪和端點(diǎn)檢測(cè)。針對(duì)傳統(tǒng)小波軟閾值函數(shù)的系數(shù)存在恒定偏差和硬閾值函數(shù)容易在信號(hào)突變處出現(xiàn)偽吉布斯現(xiàn)象的問題,提出了一種新的小波閾值函數(shù)來提高降噪效果,新閾值函數(shù)在閾值點(diǎn)處連續(xù)并且引入了一個(gè)指數(shù)型收縮因子。采用信噪比作為降噪效果的評(píng)價(jià)指標(biāo),實(shí)驗(yàn)證明表明采用新閾值函數(shù)對(duì)實(shí)時(shí)音頻信號(hào)降噪后信噪比可達(dá)19.47dB,比傳統(tǒng)軟硬閾值去噪法的信噪比提高了5dB。為判斷采集音頻信號(hào)的質(zhì)量和去除靜音段,對(duì)降噪后的音頻信號(hào)進(jìn)行端點(diǎn)檢測(cè),采用端點(diǎn)標(biāo)記正確率作為端點(diǎn)檢測(cè)效果的評(píng)價(jià)指標(biāo)。實(shí)驗(yàn)表明,基于改進(jìn)譜熵的端點(diǎn)檢測(cè)正確率為90.03%。在借助DCASE數(shù)據(jù)庫提供的音頻信號(hào)... 

【文章來源】：西南科技大學(xué)四川省

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究流程

音頻信號(hào)采集及檢測(cè)9圖2-1研究流程Figure2-1Researchprocess該款智能手機(jī)在頂部和底部各有一個(gè)麥克風(fēng)可以實(shí)現(xiàn)雙通道音頻信號(hào)采集。采集音頻時(shí)頂部和底部麥克風(fēng)距離音源的距離不同，所以兩個(gè)麥克風(fēng)的拾音量大小不同，并存在一定的時(shí)延。手機(jī)麥克風(fēng)位置如圖2-2所示。圖2-2手機(jī)麥克風(fēng)位置Figure2-2Mobilephonemicrophoneposition智能手機(jī)的配置情況會(huì)影響音頻信號(hào)的采集和處理效率，本研究采用基于Android9.0操作系統(tǒng)的智能手機(jī)，內(nèi)存能滿足各種實(shí)驗(yàn)數(shù)據(jù)存儲(chǔ)變化的需求。該手機(jī)的配置信息參見下表2-1所示。

西南科技大學(xué)碩士學(xué)位論文10表2-1實(shí)驗(yàn)智能手機(jī)配置信息表Table2-1ExperimentalsmartphoneconfigurationRedmiNote8Pro主要配置信息內(nèi)存大小RAM：8GB；ROM：256GB操作系統(tǒng)Android9.0；MIUI10處理器CPU：MTKhelioG90T；GPU：Mali-G76MC4在本研究中手機(jī)終端作為音頻信號(hào)采集和前期處理的設(shè)備，在實(shí)驗(yàn)過程中設(shè)計(jì)一個(gè)專門的手機(jī)應(yīng)用程序可以實(shí)現(xiàn)數(shù)據(jù)可視化和結(jié)果輸出，該應(yīng)用程序可以很大程度上方便用戶的使用。在智能移動(dòng)終端設(shè)備上的APP用戶界面如圖2-3所示。（a）（b）（c）（d）（e）圖2-3手機(jī)終端上的APP用戶界面Figure2-3APPuserinterfaceonthemobileterminal

【參考文獻(xiàn)】：
期刊論文
[1]基于新閾值函數(shù)的小波閾值去噪方法研究[J]. 宿常鵬,王雪梅,許哲,李駿霄.  戰(zhàn)術(shù)導(dǎo)彈技術(shù). 2020(03)
[2]基于小波譜圖和深度卷積網(wǎng)絡(luò)的音頻場(chǎng)景識(shí)別新框架[J]. 陳航艇.  網(wǎng)絡(luò)新媒體技術(shù). 2019(02)
[3]深淺層特征及模型融合的說話人識(shí)別[J]. 仲偉峰,方祥,范存航,溫正棋,陶建華.  聲學(xué)學(xué)報(bào). 2018(02)
[4]語音識(shí)別技術(shù)的發(fā)展[J]. 王致信,胡文東.  網(wǎng)友世界. 2013(13)
[5]公共場(chǎng)所典型異常聲音的特征提取[J]. 欒少文,龔衛(wèi)國(guó).  計(jì)算機(jī)工程. 2010(07)
[6]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)
[7]語音識(shí)別技術(shù)的研究與發(fā)展[J]. 王敏妲.  微型機(jī)與應(yīng)用. 2009(23)
[8]語音識(shí)別技術(shù)研究進(jìn)展[J]. 詹新明,黃南山,楊燦.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2008(09)
[9]語音識(shí)別技術(shù)研究進(jìn)展[J]. 柳春.  甘肅科技. 2008(09)
[10]語音識(shí)別技術(shù)的發(fā)展現(xiàn)狀及應(yīng)用前景[J]. 高新濤,陳乖麗.  甘肅科技縱橫. 2007(04)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的音頻場(chǎng)景分類方法研究[D]. 孫凌山.成都理工大學(xué) 2019
[2]音頻場(chǎng)景分析與識(shí)別方法研究[D]. 楊麗.南京大學(xué) 2013
[3]基于尺度噪聲能量估計(jì)的自適應(yīng)語音去噪算法及其軟件實(shí)現(xiàn)[D]. 謝巍盛.上海交通大學(xué) 2012
[4]基于DSP的語音信號(hào)識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)[D]. 陳濤.成都理工大學(xué) 2010
[5]基于MFCC與IMFCC的說話人識(shí)別研究[D]. 劉麗巖.哈爾濱工程大學(xué) 2008



本文編號(hào)：3459246