[發明專利]基于支撐向量機的基帶時域音頻信號分類方法有效
| 申請號: | 201210125085.7 | 申請日: | 2012-04-25 |
| 公開(公告)號: | CN102760444A | 公開(公告)日: | 2012-10-31 |
| 發明(設計)人: | 劉一民;李元新;孟華東 | 申請(專利權)人: | 清華大學 |
| 主分類號: | G10L21/02 | 分類號: | G10L21/02;G10L19/00;G10L11/00;G10L15/06 |
| 代理公司: | 西安智大知識產權代理事務所 61215 | 代理人: | 賈玉健 |
| 地址: | 100084 北京市海淀區1*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 支撐 向量 基帶 時域 音頻 信號 分類 方法 | ||
技術領域
本發明屬于信號處理技術領域,具體涉及一種基于支撐向量機的基帶時域音頻信號分類方法。?
背景技術
本發明應用于無線電偵測系統中,所處理的信號是已經解調之后的基帶時域音頻信號,信號可能是被噪聲不同程度污染的語音信號,也可能是純噪聲信號,其中噪聲均以白噪聲為主且混有少量有色噪聲,利用SVM的原理構建一種分類器,對信號類型進行簡單有效的鑒別分類。?
以下的文章和專利文獻,基本覆蓋了該領域主要的背景技術。為了交待出技術的發展過程,讓它們時間順序排列,并逐個介紹文獻的主要貢獻。?
1.S.Gokhun?Tanyer,Hamza?ozer,“Voice?Activity?Detection?in?Nonstationary?Gaussian?Noise”,Proceedings?of?ICSP,1620-1623,1998.?
語音端點檢測(Voice?Activity?Detection,VAD)是指從噪聲中甄別出語音的過程,文章提出了能量門限方法、過零率方法、最小二乘周期估計器和自適應能量門限的方法,其中能量門限方法和過零率方法多適用于信號信噪比(signal?to?noise?ratio,SNR)較高的情況下,在信噪比較低時虛警很高,而最小二乘周期估計器會由于噪聲非平穩包含周期性而導致檢測失敗。同時文章還提出將多種方法融合進行語音信號檢測的策略。?
2.C.J.C.Burges,“A?Tutorial?on?Support?Vector?Machines?for?Pattern?Recognition”,Data?Mining?and?Knowledge?Discovery,vol.2,no.2,pp.121-167,1998.?
詳細介紹了SVM的基本原理以及結論推導,SVM的方法是從線性可分情況下的最優分類超平面提出來的,其基本思想可以概括為首先通過非線性變?換將輸入空間變換到一個高維空間,然后在這個新空間中求取最優先性分類超平面。“最大間隔”和“將數據投影至更高維空間”是其核心概念,SVM構成通常意義上的二類模式分類器。但是該文章多是對SVM基本原理進行公式推導的證明,并沒有給出在語音信號檢測方面應用的提示和指導。?
3.S.Gokhun?Tanyer,Hamza?ozer,“Voice?Activity?Detection?in?Nonstationary?Noise”,IEEE?Trans.Speech?Audio?Process.,vol.8,no.4,pp.478-481,Jul.2001?
提出自適應能量門限的語音端點檢測方法并給出實施策略,其中應用到幾何方法計算信號SNR,減少了對噪聲信號先驗信息的依賴。但是該SNR的估計方法受信號累積分布的影響,不能對噪聲信號信息進行充分學習,參數選取和調整較為困難,在噪聲非平穩的情況下SNR估計有偏差。?
4.Quanwei?Cai,Ping?Wei,Xianci?Xiao,“A?Digital?Modulation?Recognition?Method”,Proceedings?of?ICASSP,2004,pp?863–866?
提出了基于SVD的信號SNR估計原理和方法,簡單易行,沒有對該方法的性能進行探討,也沒有給出計算參數的選取方法。?
5.Cheol-Sun?Park,Won?Jang,Sun-Phil?Nah.and?Dae?Young?Kim,“Automatic?Modulation?Recognition?using?Support?Vector?Machine?in?Software?Radio?Applications”,in?Proc.9th?IEEE?ICACT,Feb.2007,pp.9-12?
提出基于SVM的信號調制方式識別的方法,以信號的歸一化中心對稱瞬時幅度的功率譜密度最大值γmax、信號強分量瞬時相位中的中心對稱非線性分量絕對值的標準差σap、信號強分量瞬時相位中的中心對稱非線性分量的標準差σdp、接收信號的歸一化中心對稱瞬時幅度絕對值的標準差σaa以及信號強分量中歸一化瞬時頻率絕對值的標準差σaf作為特征量輸入獲得結果,即使在信號低SNR的情況下也取得準確地分類結果。?
發明內容
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于清華大學,未經清華大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201210125085.7/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種軸承的熱處理方法
- 下一篇:跨騎型電動車輛的車輛接近告知裝置





