【摘要】：公共場所安全關乎社會穩(wěn)定、人民群眾的生命財產(chǎn)的安全,對公共場所的安全保衛(wèi)及監(jiān)控一直是國家安全策略的首要任務。視頻監(jiān)控在安全監(jiān)控領域占據(jù)了主要位置,然而視頻監(jiān)控由于光線不足或監(jiān)控死角等原因效果下降。我們知道,公共場所異常聲音的產(chǎn)生通常揭露了公共場所非正常事件的發(fā)生。所以開展音頻監(jiān)控是公共場所安全監(jiān)控領域的重要方面,本文研究的公共場所異常聲音特征提取方法,是該領域的核心理論及技術問題。本文通過模擬等效矩形帶寬構建經(jīng)驗小波濾波器組,提出等效矩形帶寬經(jīng)驗小波變換(Equivalent Rectangular Bandwidth Empirical Wavelet Transform,ERB-EWT)特征提取方法。相關實驗證明,本文提出的方法有效、可行。本文開展的主要工作如下:(1)國內(nèi)外異常聲音特征提取方法的研究現(xiàn)狀調(diào)研。重點調(diào)研了國內(nèi)外聲音信號特征提取的相關方法及應用現(xiàn)狀。(2)公共場所異常聲音基本處理方法分析。通過分析現(xiàn)有的特征提取方法,一類是語音信號的分析方法,一類是時頻分析分解方法。得出了基于語音信號的分析方法能夠快速的提取聲音信號的特征,但是存在魯棒性較差問題的結論。以及基于時頻分析的分解方法對環(huán)境的魯棒性較好,但這類方法的不足是理論性缺乏及分解耗時問題。(3)提出等效矩形帶寬經(jīng)驗小波變換特征提取方法。經(jīng)驗小波變換(Empirical Wavelet Transform,EWT)是一種全新的模態(tài)分解方法。其具有可靠的數(shù)學推導過程,對信號的分解更穩(wěn)定、計算更簡單、速度更快。但EWT在處理公共場所異常聲音這類頻譜復雜的信號時,由于信號的固有模態(tài)不易確定,導致邊界分割困難,建立的濾波器組不能很好的反映信號的幅頻特性。本文根據(jù)模擬等效矩形帶寬(Equivalent Rectangular Bandwidth,ERB)可以反映人耳聽覺機理的特點,提出一種等效矩形帶寬經(jīng)驗小波變換ERB-EWT特征提取方法。本文首先依據(jù)等效矩形帶寬劃分信號的傅里葉頻譜,而非經(jīng)驗小波變換中依據(jù)信號頻譜極值點劃分信號傅里葉頻譜獲取邊界的方法。并將得到的邊界代入到經(jīng)驗小波變換中,構造出ERB-EWT濾波器組,本文提出的ERB-EWT與公共場所異常聲音信號無關,不需要預先設定異常聲音信號的固有模態(tài)數(shù)。然后,將ERB-EWT用于分解公共場所異常聲音,得到一系列不同的模態(tài),利用各個模態(tài)計算得到每個模態(tài)對應的對數(shù)能量,并將這組對數(shù)能量進行歸一化并作為特征向量。利用獲取的特征向量訓練分類器,用于分類識別。(4)設計并進行相關驗證實驗。實驗分為兩部分。一是提出方法的性能測試;本文提出的等效矩形帶寬矩形小波變換分解信號耗時較少,并且重構誤差較小。二是比較實驗;同基于語音信號分析的方法相比,對對噪聲的魯棒性較好,識別結果較優(yōu)。同基于時頻分析的方法相比,特征提取耗時較少,識別結果較優(yōu)。
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：D631.4;TN912.3
【圖文】：

圖 3.1 傅里葉頻譜的邊界劃分及構造出的經(jīng)驗小波濾波器組Fig.3.1 Boundaries division of Fourier spectrum and filter banks對于 n > 0，Gilles 構造的經(jīng)驗尺度函數(shù)和經(jīng)驗小波函數(shù)具體表現(xiàn)形式如式(3.1)和式(3.2)所示。1 | |1( ) cos[ ( (| | ))] | |2 20n nn n n n n n nnififotherwiseω ω tπφ ω β ω ω t ω t ω ω tt∧ ≤ + ≤ ≤ + (3.1)1 11 1 1 1 1 111 | |1cos[ ( (| | ))] | |2 2( )1sin[ ( (| | )] | |2 20n n n nn n n n n nnnn n n n n nnifififotherwiseω t ω ω tπβ ω ω t ω t ω ω ttψ ωπβ ω ω t ω t ω ω tt+ ++ + + + + +∧+ + ≤ ≤ + ≤ ≤ + = + ≤ ≤ + (3.2其 中t =γω， 函 數(shù)β( x)是 一 個 任 意( 0,1)kC 函 數(shù) 。 文 獻 [16] 中

等參數(shù)更能準確的描述公共場所異常聲音信號，魯棒性好。與 WT 方法較好。同時與原始的 EWT 以及 EEMD、ELMD、SASEEMD、D_ES析方法相比，魯棒性較好，識別效果較優(yōu)，耗時時間較少。文提出的公共場所異常聲音識別的流程圖如圖 4.1 所示。圖 4.1 公共場所異常聲音識別流程圖Fig.4.1 The flow chart of the recognition of abnormal sound in public places共場所異常聲音識別訓練階段流程圖如圖 4.2 所示。

【參考文獻】

相關期刊論文 前3條

1 李志農(nóng);朱明;褚福磊;肖堯先;;基于經(jīng)驗小波變換的機械故障診斷方法研究[J];儀器儀表學報;2014年11期

2 莫麗花;周孝進;張曉俊;陶智;趙鶴鳴;顧濟華;;基于LPCC和MFCC參數(shù)的病理嗓音識別研究[J];通信技術;2012年01期

3 欒少文;龔衛(wèi)國;;公共場所典型異常聲音的特征提取[J];計算機工程;2010年07期

本文編號：2730656