[發明專利]一種基于稀疏編碼的音頻場景識別方法

在審

• 申請號: 201610387696.7
• 申請日: 2016-06-02
• 公開（公告）號: CN107464556A
• 公開（公告）日: 2017-12-12
• 發明（設計）人: 徐杰;陳訓遜;王博;王東安;包秀國
• 申請（專利權）人: 國家計算機網絡與信息安全管理中心
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L19/005
• 代理公司: 北京華仲龍騰專利代理事務所(普通合伙)11548
• 代理人: 黃玉玨

1.一種基于稀疏編碼的音頻場景識別方法，其特征在于，包括如下步驟：

(1)原子庫生成；對目標場景的訓練音頻信號樣本進行訓練，得到一個目標場景的原子庫D1，對于目標集外的訓練音頻信號樣本進行訓練，得到一個集外的原子庫D2；原子庫D1中的原子，是具有目標場景特點的；而集外原子庫D2中的原子，則不具有目標場景的特點；

將音頻信號定義為X＝[x₁,x₂,…,x_n]，其中音頻信號的特征為m維，λ為正則化參數，原子庫D有k列，每列都是一個原子，其中m和k的大小遠小于n，且滿足原子庫的冗余性和過完備，即m小于k；信號在過完備冗余原子庫上的分解具有稀疏性；

由樣本X訓練得到的原子庫D，對于每一個樣本中的音頻信號，進行稀疏表示；對于樣本X在D上分解的系數設為α＝[α₁,α₂,…,α_n]，原子庫的學習，就是建立一個樣本在稀疏表示時，能夠使用最少的原子進行表示的原子庫,如下式：

fn(D)=1nΣi=1nminα∈Rk12||x-Dα||22+λ||α||1---(0.1)]]>

(2)對待測的音頻信號，將音頻信號在原子庫D上進行分解，得到一個稀疏的系數α；

根據這個系數中不為零的項，找到這些項在原子庫中對應的原子，統計這些原子的類別標簽，其中對應目標場景的音頻信號統計值為集外音頻信號統計值為k1為目標場景的原子庫D1的原子數，k2為集外的原子庫D2的原子數；

(3)比較統計值R_t和R_o的大小，較大的統計值對應的場景即為識別結果。