[發明專利]一種聲學事件檢測方法及裝置

有效

• 申請號: 201910015466.1
• 申請日: 2019-01-08
• 公開（公告）號: CN110120230B
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 袁慶升;包秀國;時磊;鄒學強;張翠;胡燕琳;韓紀慶;汪瑞
• 申請（專利權）人: 國家計算機網絡與信息安全管理中心;哈爾濱工業大學
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/24;G10L25/21;G10L25/18;G06K9/66;G06K9/62
• 代理公司: 工業和信息化部電子專利中心 11010
• 代理人: 李勤媛

1.一種聲學事件檢測方法，其特征在于，包括：

提取待檢測的音頻的目標特征，得到第一特征數據；

將所述第一特征數據分別輸入第一高斯混合GMM模型以及第二GMM模型，得到第一似然概率以及第二似然概率，所述第一GMM模型基于聲學事件的音頻的特征數據進行訓練得到，所述第二GMM模型基于非聲學事件的音頻的特征數據進行訓練得到；

根據所述第一似然概率以及所述第二似然概率依次確定所述待檢測的音頻中各單位音頻的類型，所述類型包括聲學事件以及非聲學事件；

其中，所述單位音頻為以幀為單位的音頻，在提取音頻的目標特征之前，對音頻數據進行加窗分幀，以幀為單位，提取聲學事件在時域、頻域和感知域上的特征，得到以幀為單位的音頻特征數值；

所述第一似然概率表示音頻的類型為聲學事件的概率，所述第二似然概率表示音頻的類型為背景音的概率，當所述第一似然概率大于所述第二似然概率時，確定音頻的類型為聲學事件，反之，確定音頻的類型為背景音；

將確定出的相鄰的類型為聲學事件的單位音頻合并；

當合并后的音頻持續的時長超過閾值時，確定發生聲學事件。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：在預設特征空間下，分別提取第一訓練集中各音頻以及第二訓練集中各音頻的目標特征，得到第二特征數據以及第三特征數據，所述第一訓練集中的音頻為聲學事件對應的音頻，所述第二訓練集中的音頻為背景音對應的音頻；

分別根據所述第二特征數據以及所述第三特征數據訓練GMM模型；

基于最小描述長度MDL準則確定高斯分量數，基于所述高斯分量數根據訓練出的GMM模型確定出所述第一GMM模型以及所述第二GMM模型。

3.根據權利要求1所述的方法，其特征在于，所述目標特征包括以下至少一種：過零率、短時能量、頻譜形狀描述子、子帶能量分布描述子、梅爾頻譜倒譜系數以及對數梅爾頻率濾波器系數。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：提取第一訓練集中音頻的特征，得到聲學事件的特征集合，所述第一訓練集中的音頻為聲學事件的音頻；

采用基于局部學習的特征選擇算法對所述聲學事件特征集合中的特征進行加權，得到加權后的特征空間；

基于最大間隔理論學習所述聲學事件特征集合中各特征對應的權值，所述權值的用于表示所述聲學事件特征集合中各特征在區分聲學事件以及背景音的重要程度；

根據所述權值，得到多個特征子集，各所述特征子集中包括所述聲學事件集合中的部分元素；

檢測各所述特征子集對聲學事件的識別性能指標；

根據各所述特征子集的維度以及各所述特征子集對聲學事件的識別性能指標確定出各所述特征子集中的目標特征子集，將所述目標特征子集作為用于訓練所述第一GMM模型的第一訓練集，將所述目標特征子集中的特征作為所述目標特征。

5.根據權利要求1至4中任一項所述的方法，其特征在于，所述方法還包括：在將所述目標特征分別輸入所述第一GMM高斯混合模型以及所述第二GMM模型之前，利用預先進行基于混合局部字典的訓練得到的聲學事件字典和/或背景音字典對所述待檢測的音頻的聲音頻譜進行增強。