本文關鍵詞：基于優(yōu)化的正交匹配追蹤聲音事件識別　出處：《電子與信息學報》2017年01期 　論文類型：期刊論文

  更多相關文章： 聲音事件識別 正交匹配追蹤 稀疏分解 粒子群優(yōu)化 隨機森林

【摘要】：針對各種環(huán)境聲對聲音事件識別的影響,該文提出一種基于優(yōu)化的正交匹配追蹤(Orthogonal Matching Pursuit,OMP)聲音事件識別方法。首先,利用OMP稀疏分解并重構聲音信號,保留聲音信號的主體部分,減小噪聲的影響。其中,使用粒子群(Particle Swarm Optimization,PSO)算法優(yōu)化搜索最優(yōu)原子,實現OMP的快速稀疏分解。接著,對重構聲音信號提取Mel頻率倒譜系數(Mel-Frequency Cepstral Coefficients,MFCCs),與OMP時-頻特征和基頻(PITCH)特征,組成優(yōu)化OMP的復合特征。最后,通過優(yōu)化OMP復合特征,使用隨機森林(Random Forests,RF)對40種聲音事件在不同環(huán)境不同信噪比下進行識別。實驗結果表明,優(yōu)化OMP復合特征結合RF的方法能有效地識別各種環(huán)境下的聲音事件。
[Abstract]:Aiming at the influence of various ambient sound on acoustic event recognition, this paper presents an optimized orthogonal Matching Pursuit based on orthogonal matching tracking. First, OMP is used to sparse decompose and reconstruct the sound signal, keep the main part of the sound signal, and reduce the influence of noise. Particle Swarm Optimization (PSOs) algorithm is used to optimize the search for optimal atoms and to realize the fast sparse decomposition of OMP. The Mel frequency cepstrum coefficients (Mel-Frequency Cepstral coefficients / MFCCs) are extracted for reconstructed sound signals. Combined with OMP time-frequency and fundamental frequency characteristics, the composite features of OMP are optimized. Finally, the compound features of OMP are optimized. Forty sound events were identified in different environments and different signal-to-noise ratio by random forest random forest fasts RFRFs. The experimental results show that 40 kinds of sound events are identified in different environments and different signal-to-noise ratio (SNR). Optimization of OMP composite features combined with RF can effectively identify sound events in various environments.
【作者單位】： 福州大學數學與計算機學院;
【基金】：國家自然科學基金(61075022)~~
【分類號】：TN912.3
【正文快照】： 1引言近年來聲音事件識別引起廣泛的關注。聲音事件的識別在音頻取證[1]、環(huán)境聲音識別[2]、聲場景分析[3]、環(huán)境安全監(jiān)控[4]、定位跟蹤和聲源分類[5]、病人監(jiān)護[6]和非正常事件檢測[7]等領域具有重要意義。對聲音事件的分析、分類和識別,目前已有一定的研究[8-12]。其中,Mc L

【參考文獻】

相關期刊論文 前3條

1 周曉敏;李應;;基于Radon和平移不變性小波變換的鳥類聲音識別[J];計算機應用;2014年05期

2 馬超;鄧超;熊堯;吳軍;;一種基于混合遺傳和粒子群的智能優(yōu)化算法[J];計算機研究與發(fā)展;2013年11期

3 顏鑫;李應;;利用抗噪冪歸一化倒譜系數的鳥類聲音識別[J];電子學報;2013年02期

【共引文獻】

相關期刊論文 前10條

1 陳璐璐;邱建林;陳燕云;陸鵬程;秦孟梅;趙偉康;;改進的遺傳粒子群混合優(yōu)化算法[J];計算機工程與設計;2017年02期

2 陳秋菊;李應;;基于優(yōu)化正交匹配追蹤和深度置信網的聲音識別[J];計算機應用;2017年02期

3 李應;陳秋菊;;基于優(yōu)化的正交匹配追蹤聲音事件識別[J];電子與信息學報;2017年01期

4 王立舒;張麗影;張智文;楊鵬;王樹文;;精細農業(yè)無線傳感器網絡終端節(jié)點定位研究[J];農機化研究;2017年01期

5 秦志英;齊康花;董桂西;趙月靜;劉堯;;基于聲音信號的鋼材材質檢測及試驗研究[J];河北科技大學學報;2016年03期

6 李碧玉;李應;;一種混合優(yōu)化的匹配追蹤生態(tài)聲音識別方法[J];福州大學學報(自然科學版);2016年03期

7 秦志英;劉堯;董桂西;趙月靜;;利用聲音信號能量比在線識別鋼材材質[J];機械科學與技術;2016年05期

8 劉建文;丁潔玉;潘坤;張曉強;;基于個體相似度的改進自適應遺傳算法研究[J];青島大學學報(工程技術版);2016年01期

9 秦志英;齊康花;董桂西;趙月靜;劉堯;;基于LabVIEW的鋼材材質在線檢測系統軟件設計[J];計算機測量與控制;2015年12期

10 張瑤;付進;武建國;;基于對數域同態(tài)濾波的時延估計算法研究[J];電子學報;2015年12期

【二級參考文獻】

相關期刊論文 前10條

1 顏鑫;李應;;利用抗噪冪歸一化倒譜系數的鳥類聲音識別[J];電子學報;2013年02期

2 劉翔;高勇;;一種引入延遲的語音增強算法[J];現代電子技術;2011年05期

3 王s，

本文編號：1409231