【摘要】：隨著社會的不斷發(fā)展,老齡化問題越來越突出,這促使了人們對耳聾問題的關(guān)注,助聽器的發(fā)展開始受到人們的普遍重視。聲場景分類作為智能數(shù)字助聽器的核心技術(shù),其算法處于信號處理的前端,能夠識別出助聽器使用者當前的聽覺場景,自適應地調(diào)用相應的處理程序,實現(xiàn)針對不同場景聲信號的個性化處理。本質(zhì)上講,聲場景分類屬于環(huán)境聲識別問題,主要包括兩個方面:特征提取和分類。特征提取是對聲信號進行維數(shù)約減,提取出能代表原始信號的數(shù)據(jù);而分類是指通過一定方法編碼聲特征,并與模板數(shù)據(jù)庫進行比對以確定聲信號所屬類別。本文主要圍繞選擇性注意模型、傳統(tǒng)的HMM模型和深度學習模型來展開對聲場景分類的研究。在特征提取方面,本文通過對聲信號的語譜圖做顯著性分析,提取出顯著圖特征,再將其與傳統(tǒng)的MFCC特征進行混合,形成混合特征。在分類器方面,本文分別使用傳統(tǒng)的HMM模型和深度學習模型進行分類。本文所做的工作主要有以下幾項:1.闡述了聲場景分類技術(shù)的研究背景和研究現(xiàn)狀,分析了現(xiàn)有聲場景分類技術(shù)的優(yōu)缺點,并對當前有待深入研究和急需解決的問題進行了說明。2.概述了聲場景分類的理論基礎,介紹了聲場景分類的幾個模塊,包括預處理模塊、特征提取模塊、分類器訓練模塊和測試模塊,并介紹了聲場景分類特征提取和分類器設計方面的相關(guān)知識。3.深入研究了選擇性注意模型,包括選擇性注意模型的理論和視覺選擇性注意模型中的兩種常用模型——Itti模型和GBVS模型,并將視覺理論應用于聲學中,完成了對聲信號語譜圖的顯著性分析,提取出了聲信號的顯著圖參數(shù)。4.利用提取出的顯著圖參數(shù)得到用于分類的特征向量,再提取出聲信號的MFCC特征,將二者進行混合,組成混合特征,再利用傳統(tǒng)的HMM分類器分別使用單獨的顯著圖特征、單獨的MFCC特征和混合特征完成對聲場景的分類,并比較各自的分類效果。5.簡述了深度學習的發(fā)展歷程、主要模型和應用,介紹了深度學習常用方法,包括自動編碼器、稀疏自動編碼器和受限玻爾茲曼機,介紹了 Gibbs采樣過程和對比散度算法,將深度學習模型應用于聲場景分類過程中,采用兩種常用深度學習模型——稀疏自動編碼器和深度置信網(wǎng)絡組成混合模型,該模型共包括三個部分:前面使用兩層稀疏自動編碼器進行構(gòu)造,中間使用一個三層深度置信網(wǎng)絡實現(xiàn),最后使用Softmax回歸作為分類器,再分別利用顯著圖特征、MFCC特征和混合特征進行實驗,比較各自的分類結(jié)果。
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TH785.1
【圖文】：

統(tǒng)、模式識別、人工智能、統(tǒng)計學習等［１７）。該領(lǐng)域當前的研宄重點主要集中在特征分析逡逑與提取和分類器的選擇這兩個方面。逡逑由圖２－１可知，聲場景分類系統(tǒng)主要由以下幾個模塊所組成：預處理模塊、特征提逡逑取模塊、分類器訓練模塊和測試模塊。逡逑預處理￣］——■＾特征提取邐逡逑預處理￣］——特征提取邐逡逑圖２－１聲場景分類系統(tǒng)結(jié)構(gòu)圖逡逑預處理模塊主要是為后面的信號處理過程做準備。人耳聽到的原始聲音都是模擬信逡逑號，但計算機只能處理數(shù)字信號，因此要將原始信號轉(zhuǎn)換為計算機可以處理的數(shù)字信號。逡逑此外，為了保持一致性，還需要將輸入信號轉(zhuǎn)換為統(tǒng)一的規(guī)格和存儲格式。同時，原始逡逑信號中噪聲的存在也會影響分類的結(jié)果，因此也需要進行相應的預處理。預處理主要包逡逑括端點檢測、預加重、分幀和加窗等。逡逑特征提取模塊在整個系統(tǒng)中處于核心地位。該模塊的主要功能在于研[偛⑻崛》從沖義仙藕諾奶卣韃問３【胺擲嘀諧Ｓ玫奶卣髦饕ǘ淌蹦芰�、过零率、緫K袈�、基频、辶x掀燈字行�、和谐度、讍养能量、ＭＦＣＣ及茲态矄桚、线性预测系数ＬＰＶ櫌ＬＰＣ敌M紫靛義鮮蹋校茫謾⑾咂錐圓問蹋櫻�、短时茻艟Y凸艙穹迤德實齲郟福蕁ｅ義戲擲嗥餮盜紡？櫚鬧饕δ蓯茄≡窈鮮實姆擲嗥髂Ｐ�，使用覛gㄊ康納【靶藕佩義獻魑盜費荊源死慈范ǚ擲嗥髦械牟問怠Ｄ殼�，基又o臣頗Ｐ偷姆擲嗥骶ｅ義銜蠖嗍難繡癡咚褂茫飫嚳擲嗥髦饕嗷冢牽停偷姆擲嗥鰲粲冢粒危蔚膩義戲擲嗥鰲⒒冢櫻鄭偷姆擲嗥骱突冢齲停偷姆擲嗥鰨睿梗�。此�

本文編號：2805847