[發明專利]一種聲學目標事件監控方法

有效

• 申請號: 201710800615.6
• 申請日: 2017-09-07
• 公開（公告）號: CN109473119B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 管魯陽;鮑明
• 申請（專利權）人: 中國科學院聲學研究所
• 主分類號: G10L25/30
• 分類號: G10L25/30;G10L25/03
• 代理公司: 北京方安思達知識產權代理有限公司 11472
• 代理人: 陳琳琳;武玥

1.一種聲學目標事件監控方法，所述方法包括：

步驟1)建立樣本集，所述樣本集包括訓練集和測試集；

步驟2)構建并訓練深度神經網絡，所述深度神經網絡為結合遞歸網絡結構的卷積神經網絡，用于提取聲信號的信號特征；

步驟3)構建并訓練多個任務辨識網絡；

步驟4)利用訓練好的深度神經網絡和多個任務辨識網絡，對實時采集的聲信號進行目標類別辨識；

步驟5)當辨識出的目標屬于監控的事件范圍內，根據系統設置執行監控策略；

所述步驟3)具體包括：

步驟301)根據不同任務場景、不同需要和不同任務目標，構建多個任務辨識網絡，所述任務辨識網絡使用單層或多層網絡形式；

步驟302)將深度神經網絡提取的樣本集的每個聲信號的目標特征作為多個任務辨識網絡的輸入，根據已知的該聲信號的標簽進行反向訓練，訓練出多個任務辨識網絡的參數。

2.根據權利要求1所述的聲學目標事件監控方法，其特征在于，所述步驟1)具體為：

采集已有的或在線監測所得到的大量聲信號數據，處理后得到每個信號的傅立葉短時譜；傅立葉短時譜是多幀信號進行傅里葉變換后得到的二維頻譜信息，二維分別表示時間和頻率，所述樣本集包括若干個樣本，每個樣本包括：聲信號的傅立葉短時譜，聲信號的標簽。

3.根據權利要求1所述的聲學目標事件監控方法，其特征在于，所述步驟2)具體包括：

步驟201)構建深度神經網絡；所述深度神經網絡是一個改進卷積神經網絡，是將傳統的卷積神經網絡結合遞歸網絡結構，形成可利用歷史信息對聲信號進行特征分析提取與判別的深度神經網絡；

步驟202)使用樣本集進行無監督學習，優化所述深度神經網絡參數：網絡規模、權系數及控制參數。

4.根據權利要求1所述的聲學目標事件監控方法，其特征在于，所述步驟302)的多個任務辨識網絡的輸入還可以增加基于信號處理的部分參數：信號短時能量和事件持續時間。

5.根據權利要求1所述的聲學目標事件監控方法，其特征在于，所述步驟4)具體包括：

步驟401)對實時采集的聲信號進行處理，得到聲信號的傅立葉短時譜；

步驟402)將聲信號的傅立葉短時譜輸入訓練好的深度神經網絡，得到網絡的輸出：信號特征的表征；

步驟403)將深度神經網絡輸出的信號特征，分別輸入多個任務辨識網絡；并將任務辨識網絡輸出的目標類別概率進行排序，取目標類別概率最大值為辨識結果。

6.根據權利要求1所述的聲學目標事件監控方法，其特征在于，所述步驟5)的監控策略包括：系統報警、日志記錄和證據記錄。