在現(xiàn)今,人工智能的發(fā)展越來(lái)越快,聲音識(shí)別作為其中的一種技術(shù)自然也是逐漸成熟。但在復(fù)雜場(chǎng)景中會(huì)存在噪聲干擾而導(dǎo)致識(shí)別難度加大,而在這些場(chǎng)景（例如城市）中的聲音一般包含著許多信息,如何對(duì)于這部分聲音進(jìn)行識(shí)別便成一個(gè)需要被克服的問(wèn)題。在復(fù)雜場(chǎng)景下,面對(duì)形形色色的聲音更是對(duì)傳統(tǒng)聲音識(shí)別模型的一個(gè)極大的挑戰(zhàn)。本文采用了google的聲學(xué)數(shù)據(jù)集中存在的孩童玩鬧聲、狗吠聲、海浪聲、鳴笛聲、鏈鋸聲以及電鉆聲進(jìn)行了識(shí)別分類(lèi),本文主要采用模板匹配法,以預(yù)處理、特征提取、模型分類(lèi)識(shí)別的步驟進(jìn)行聲音識(shí)別,其中預(yù)處理方面將通信技術(shù)中的能量檢測(cè)技術(shù)引入聲音識(shí)別領(lǐng)域;特征提取方面提出了一種基于小波包分解的MFCC特征提取方法;模型分類(lèi)方面改良了卷積神經(jīng)網(wǎng)絡(luò)模型針對(duì)一維的聲音信號(hào)的特征圖輸入方法,減少計(jì)算時(shí)間。本文主要做了以下工作:（1）在預(yù)處理方面,以聲音信號(hào)中的信號(hào)特性,對(duì)比信號(hào)檢測(cè)中的單節(jié)點(diǎn)頻譜感知算法中的單節(jié)點(diǎn)頻譜感知技術(shù)、匹配濾波檢測(cè)以及能量檢測(cè),包括并不限于三者之間的難易程度、簡(jiǎn)單程度以及優(yōu)缺點(diǎn),最終采用能量檢測(cè)來(lái)進(jìn)行預(yù)處理。能量檢測(cè)預(yù)處理方法將聲音當(dāng)成信號(hào)處理,首先將目標(biāo)信號(hào)輸入濾波器中,對(duì)通過(guò)濾波器的... 

【文章來(lái)源】：南寧師范大學(xué)廣西壯族自治區(qū)

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

ROC 特性曲線(xiàn)

具象地描述也就是本曲線(xiàn)與十字坐標(biāo)軸所圍成地圖形面積大小，在指結(jié)論：好的識(shí)別方法需要盡量提高檢測(cè)概率的同時(shí)讓虛警概率和漏檢此需要做的就是在具體環(huán)境當(dāng)中找到曲線(xiàn)上的一點(diǎn)使得其虛警概率較概率。

圖 2-6 自適應(yīng)的能量檢測(cè)流程圖2.3 本章小結(jié)章介紹了在通信技術(shù)中的單節(jié)點(diǎn)頻譜感知技術(shù)，并注意介紹了其中的三種技術(shù)：檢測(cè)、匹配濾波檢測(cè)、能量檢測(cè)，并且逐一介紹了這三種的方法的檢測(cè)流程以及

【參考文獻(xiàn)】：
期刊論文
[1]基于多隨機(jī)森林的低信噪比聲音事件檢測(cè)[J]. 李應(yīng),印佳麗.  電子學(xué)報(bào). 2018(11)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的聲音場(chǎng)景識(shí)別[J]. 陳秋菊.  信息與電腦(理論版). 2018(18)
[3]淺析認(rèn)知無(wú)線(xiàn)電的頻譜感知技術(shù)[J]. 張俊強(qiáng).  現(xiàn)代信息科技. 2018(05)
[4]基于人耳掩蔽特性的語(yǔ)音增強(qiáng)數(shù)字助聽(tīng)器研究[J]. 朱慧敏.  國(guó)外電子測(cè)量技術(shù). 2018(05)
[5]基于聲紋識(shí)別技術(shù)的Android設(shè)備聲音功能自動(dòng)化測(cè)試系統(tǒng)[J]. 李嘉偉,胡海龍,林志賢.  信息技術(shù)與網(wǎng)絡(luò)安全. 2018(05)
[6]基于BP神經(jīng)網(wǎng)絡(luò)的音樂(lè)分類(lèi)模型[J]. 劉明星.  現(xiàn)代電子技術(shù). 2018(05)
[7]結(jié)合語(yǔ)音融合特征和隨機(jī)森林的構(gòu)音障礙識(shí)別[J]. 李東,張雪英,段淑斐,閆密密.  西安電子科技大學(xué)學(xué)報(bào). 2018(03)
[8]基于去噪技術(shù)的DSP語(yǔ)音識(shí)別系統(tǒng)設(shè)計(jì)[J]. 韋高梧,馮祖勇.  傳感器與微系統(tǒng). 2017(01)
[9]噪音環(huán)境下基于時(shí)-頻特征的生態(tài)環(huán)境聲音的分類(lèi)（英文）[J]. 余清清.  計(jì)算機(jī)與數(shù)字工程. 2017(01)
[10]人工耳蝸的環(huán)境聲識(shí)別研究[J]. 張曉薇,孟慶林,唐國(guó)芳,鄭能恒,李霞.  聲學(xué)學(xué)報(bào). 2016(06)

碩士論文
[1]噪聲環(huán)境下說(shuō)話(huà)人識(shí)別的魯棒性研究[D]. 張洪冉.南京郵電大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的歌唱語(yǔ)音識(shí)別[D]. 吳興銓.西南科技大學(xué) 2018
[3]基于聽(tīng)覺(jué)特性卷積神經(jīng)網(wǎng)絡(luò)的音樂(lè)分類(lèi)方法研究[D]. 李增.華南理工大學(xué) 2018
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的異常音頻事件檢測(cè)的研究[D]. 胡濤.安徽大學(xué) 2018
[5]噪聲環(huán)境下基于深度學(xué)習(xí)的語(yǔ)音識(shí)別研究[D]. 李翔.武漢工程大學(xué) 2017
[6]說(shuō)話(huà)人聲紋識(shí)別的算法研究[D]. 李灣灣.浙江大學(xué) 2017
[7]基于聲音信號(hào)處理的農(nóng)業(yè)蟲(chóng)害識(shí)別系統(tǒng)[D]. 賈琪.山東大學(xué) 2016
[8]小波去噪和概率神經(jīng)網(wǎng)絡(luò)在發(fā)動(dòng)機(jī)聲信號(hào)識(shí)別中的應(yīng)用[D]. 闞磊.重慶大學(xué) 2016
[9]行車(chē)噪聲環(huán)境下的快速聲學(xué)事件檢測(cè)方法研究[D]. 朱強(qiáng)華.哈爾濱工業(yè)大學(xué) 2014
[10]復(fù)雜環(huán)境下高效端點(diǎn)檢測(cè)算法研究及應(yīng)用[D]. 雷文鈿.廈門(mén)大學(xué) 2014



本文編號(hào)：3232817