針對(duì)公共環(huán)境中的聲音事件識(shí)別問(wèn)題,提出基于自適應(yīng)粒子群優(yōu)化（PSO）匹配追蹤（MP）稀疏分解的聲音事件識(shí)別算法。該算法在分析MP稀疏分解的基礎(chǔ)上,先基于適應(yīng)度函數(shù)改進(jìn)PSO算法相關(guān)參數(shù)的自適應(yīng)設(shè)置,再基于自適應(yīng)PSO算法構(gòu)建優(yōu)化MP稀疏分解的目標(biāo)函數(shù)及信號(hào)重構(gòu)函數(shù),實(shí)現(xiàn)自適應(yīng)PSO算法優(yōu)化MP稀疏分解,從而借助連續(xù)Gabor超完備集來(lái)提高最優(yōu)原子的匹配程度,增強(qiáng)聲音信號(hào),提高特征的分類(lèi)性能,最后使用優(yōu)化的支持向量機(jī)（SVM）和復(fù)合特征實(shí)現(xiàn)公共環(huán)境中的聲音事件準(zhǔn)確識(shí)別。實(shí)驗(yàn)結(jié)果表明,與已有算法相比,所提識(shí)別算法顯著降低了計(jì)算量,并取得了最優(yōu)的聲音識(shí)別率,且具有較好的識(shí)別魯棒性。 

【文章來(lái)源】：激光與光電子學(xué)進(jìn)展. 2020,57(10)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 引言
2 MP信號(hào)稀疏分解
3 自適應(yīng)PSO優(yōu)化稀疏分解
    3.1 自適應(yīng)PSO算法
    3.2 自適應(yīng)粒子變異
    3.3 自適應(yīng)稀疏分解構(gòu)建
4 特征提取與聲音事件識(shí)別
    4.1 稀疏分解復(fù)合特征
    4.2 SVM聲音事件識(shí)別
5 實(shí)驗(yàn)分析
    5.1 自適應(yīng)稀疏分解性能分析
    5.2 算法聲音識(shí)別性能比較
6 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)與動(dòng)態(tài)衰減學(xué)習(xí)率的環(huán)境聲音識(shí)別算法[J]. 馮陳定,李少波,姚勇,楊靜.  科學(xué)技術(shù)與工程. 2019(01)
[2]用多頻帶能量分布檢測(cè)低信噪比聲音事件[J]. 李應(yīng),吳靈菲.  電子與信息學(xué)報(bào). 2018(12)
[3]基于低秩稀疏矩陣分解和稀疏字典表達(dá)的高光譜異常目標(biāo)檢測(cè)[J]. 張曉慧,郝潤(rùn)芳,李廷魚(yú).  激光與光電子學(xué)進(jìn)展. 2019(04)
[4]基于EEMD的異常聲音多類(lèi)識(shí)別算法[J]. 韋娟,岳鳳麗,仇鵬,寧方立.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(07)
[5]基于量子粒子群優(yōu)化算法的攝像機(jī)標(biāo)定優(yōu)化方法[J]. 王道累,胡松.  激光與光電子學(xué)進(jìn)展. 2018(12)
[6]利用改進(jìn)粒子群優(yōu)化算法解調(diào)光傳感重疊光譜信號(hào)[J]. 陳勇,程亞男,劉煥淋.  中國(guó)激光. 2018(07)
[7]基于凝聚信息瓶頸的音頻事件聚類(lèi)方法[J]. 李艷雄,王琴,張雪,鄒領(lǐng).  電子學(xué)報(bào). 2017(05)
[8]基于優(yōu)化正交匹配追蹤和深度置信網(wǎng)的聲音識(shí)別[J]. 陳秋菊,李應(yīng).  計(jì)算機(jī)應(yīng)用. 2017(02)
[9]改進(jìn)的ESMD用于公共場(chǎng)所異常聲音特征提取[J]. 李偉紅,田真真,龔衛(wèi)國(guó),王偉冰.  儀器儀表學(xué)報(bào). 2016(11)



本文編號(hào)：3191947