[發(fā)明專利]一種基于稀疏編碼的音頻場(chǎng)景識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201610387696.7
• 申請(qǐng)日: 2016-06-02
• 公開（公告）號(hào): CN107464556A
• 公開（公告）日: 2017-12-12
• 發(fā)明（設(shè)計(jì)）人: 徐杰;陳訓(xùn)遜;王博;王東安;包秀國
• 申請(qǐng)（專利權(quán)）人: 國家計(jì)算機(jī)網(wǎng)絡(luò)與信息安全管理中心
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L15/06;G10L19/005
• 代理公司: 北京華仲龍騰專利代理事務(wù)所(普通合伙)11548
• 代理人: 黃玉玨

技術(shù)領(lǐng)域

本發(fā)明屬于網(wǎng)絡(luò)信息安全、多媒體檢索技術(shù)領(lǐng)域，特別涉及一種基于稀疏編碼的音頻場(chǎng)景識(shí)別方法。

背景技術(shù)

音頻場(chǎng)景識(shí)別，是在最高層次的語義上的應(yīng)用。它的應(yīng)用范圍也很廣泛，可以通過音頻場(chǎng)景層次上對(duì)音頻信號(hào)的處理，使音頻信號(hào)處理變得更加智能。場(chǎng)景層次的音頻信號(hào)處理主要作用體現(xiàn)在：音頻場(chǎng)景識(shí)別對(duì)于來自于互聯(lián)網(wǎng)的海量數(shù)據(jù)信息，可以提供一個(gè)基于音頻內(nèi)容的索引和檢索，對(duì)于現(xiàn)代的網(wǎng)絡(luò)搜索引擎來說，無論是技術(shù)還是應(yīng)用上均有良好的補(bǔ)充和完善；音頻場(chǎng)景識(shí)別在數(shù)字圖書館、多媒體網(wǎng)站等一些含有海量的音頻信息的數(shù)據(jù)資料庫中，可以智能的分類和管理這些信息數(shù)據(jù)；音頻場(chǎng)景識(shí)別在監(jiān)控領(lǐng)域中，可以實(shí)時(shí)的對(duì)電梯、停車場(chǎng)等公共場(chǎng)所進(jìn)行突發(fā)狀況的監(jiān)測(cè)和預(yù)警；音頻場(chǎng)景識(shí)別在可以為信息智能化的決策系統(tǒng)提供基于音頻的信息支持，在如無人駕駛和智能家居領(lǐng)域中，音頻場(chǎng)景識(shí)別都有著重要的作用。

為了進(jìn)行音頻場(chǎng)景識(shí)別，需要將音頻信號(hào)映射到一個(gè)字典集上進(jìn)行分析：x＝D*a中，用x表示原始音頻信號(hào)(列向量)，D為得到的字典(dictionary)，a即為在字典D上原始音頻信號(hào)x的表達(dá)。為了得到a，比較流行的方法有傅立葉變換、小波變換、PCA等，這些方法得到的字典都是預(yù)先設(shè)定好的，手動(dòng)設(shè)定一個(gè)好的字典是非常困難的，并且其復(fù)雜度和幾何特性在表征不同信號(hào)時(shí)變化很大，而且對(duì)字典中“基”(basis)要求太苛刻，它們必須是正交的，雖然此限制可以簡化問題，但同時(shí)限制了解決問題的靈活性。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的缺陷，提供一種基于稀疏編碼的音頻場(chǎng)景識(shí)別方法。

本發(fā)明的技術(shù)方案是，一種基于稀疏編碼的音頻場(chǎng)景識(shí)別方法，該方法包括如下步驟：

(1)原子庫生成；對(duì)目標(biāo)場(chǎng)景的訓(xùn)練音頻信號(hào)樣本進(jìn)行訓(xùn)練，得到一個(gè)目標(biāo)場(chǎng)景的原子庫D1，對(duì)于目標(biāo)集外的訓(xùn)練音頻信號(hào)樣本進(jìn)行訓(xùn)練，得到一個(gè)集外的原子庫D2；原子庫D1中的原子，是具有目標(biāo)場(chǎng)景特點(diǎn)的；而集外原子庫D2中的原子，則不具有目標(biāo)場(chǎng)景的特點(diǎn)；

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

由樣本X訓(xùn)練得到的原子庫D，對(duì)于每一個(gè)樣本中的音頻信號(hào)，進(jìn)行稀疏表示；對(duì)于樣本X在D上分解的系數(shù)設(shè)為α＝[α₁,α₂,…,α_n]，原子庫的學(xué)習(xí)，就是建立一個(gè)樣本在稀疏表示時(shí)，能夠使用最少的原子進(jìn)行表示的原子庫,如下式：

(2)對(duì)待測(cè)的音頻信號(hào)，將音頻信號(hào)在原子庫D上進(jìn)行分解，得到一個(gè)稀疏的系數(shù)α；

根據(jù)這個(gè)系數(shù)中不為零的項(xiàng)，找到這些項(xiàng)在原子庫中對(duì)應(yīng)的原子，統(tǒng)計(jì)這些原子的類別標(biāo)簽，其中對(duì)應(yīng)目標(biāo)場(chǎng)景的音頻信號(hào)統(tǒng)計(jì)值為集外音頻信號(hào)統(tǒng)計(jì)值為k1為目標(biāo)場(chǎng)景的原子庫D1的原子數(shù)，k2為集外的原子庫D2的原子數(shù)；

(3)比較統(tǒng)計(jì)值R_t和R_o的大小，較大的統(tǒng)計(jì)值對(duì)應(yīng)的場(chǎng)景即為識(shí)別結(jié)果。

本發(fā)明的有益效果在于：本發(fā)明使用稀疏分解的理論，提取出了一種音頻信號(hào)的稀疏特征，這種特征具有長時(shí)的性質(zhì)，在音頻場(chǎng)景識(shí)別方面具有良好的效果。

附圖說明

圖1為基于稀疏編碼的音頻場(chǎng)景識(shí)別框架

具體實(shí)施方式

下面，結(jié)合附圖對(duì)于本發(fā)明進(jìn)行如下詳細(xì)說明：

本發(fā)明的方法包括如下步驟；