[發明專利]一種聯合優化深層變換特征與聚類過程的聲場景聚類方法

有效

• 申請號: 201910033838.3
• 申請日: 2019-01-15
• 公開（公告）號: CN109859771B
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 李艷雄;劉名樂;王武城;張聿晗
• 申請（專利權）人: 華南理工大學
• 主分類號: G10L25/24
• 分類號: G10L25/24;G10L25/30;G10L25/45;G10L25/51
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.一種聯合優化深層變換特征與聚類過程的聲場景聚類方法，其特征在于，所述的聲場景聚類方法包括如下步驟：

S1、提取對數梅爾譜特征：對各類聲場景的樣本進行預加重、分幀、加窗，然后分別提取每一音頻幀的對數梅爾譜特征；

S2、初始化各類及卷積神經網絡：將每個樣本作為一個初始類，初始化生成一個卷積神經網絡用于提取深層變換特征；

S3、更新卷積神經網絡，提取新的深層變換特征：根據類標簽及各類樣本更新卷積神經網絡參數，并用更新后的卷積神經網絡提取各類樣本的深層變換特征；

其中，所述的步驟S3中更新卷積神經網絡，提取新的深層變換特征的過程如下：

將提取的聲學特征輸入該網絡，得到新的深層變換特征；經過一定次數的聚類更新類標簽之后，根據損失函數與更新的類標簽，采用反向傳播算法更新網絡參數，使網絡所提取的深層變換特征更具區分性，從而得到更優的聚類結果；所述的損失函數公式如下：

表示當前第t類，表示與距離最近的類，K_c是一個表示類別數的常數，表示除外的其他相鄰類，A(·)是一個計算類間相似度的函數，表示第p階段的迭代次數；

S4、合并最相似的兩個類：采用凝聚分層聚類算法將相似度最大的兩個類合并在一起，得到新的類標簽和各類樣本，類數減一；

S5、聚類收斂判決：如果當前類數等于真實類數，則停止聚類，得到聯合優化的聲場景聚類結果和卷積神經網絡，否則跳到步驟S3。

2.根據權利要求1所述的一種聯合優化深層變換特征與聚類過程的聲場景聚類方法，其特征在于，所述的步驟S1中提取對數梅爾譜特征包括以下步驟：

S1.1、音頻數據采集與標注：在不同的場景采集音頻數據流，然后將每一個音頻數據流分割成一定長度的音頻段，三人或三人以上對音頻段進行人工標注，對于存在異議的音頻段標注，按照少數服從多數的原則確定最終的標簽；

S1.2、預加重：設置數字濾波器的傳遞函數為H(z)＝1-αz^-1，其中α為一個系數且取值為：0.9≤α≤1，讀入的音頻段通過該數字濾波器后實現預加重；

S1.3、分幀、加窗：

S1.3.1、對音頻段進行分幀與加窗，幀長和幀移所對應的采樣點個數分別為N＝0.025×f_s和S＝0.01×f_s，其中f_s為采樣頻率，將讀入的音頻段切分成音頻幀s′_t(n)，1≤t≤T，1≤n≤N，其中T和N分別表示幀數和每幀的采樣點數；

S1.3.2、采用漢明窗作為窗函數ω(n)：

S1.3.3、將每幀音頻信號s′_t(n)與漢明窗ω(n)相乘得到加窗后的音頻信號s_t(n)：

s_t(n)＝ω(n)×s′_t(n)n＝0,1,...,N-1,t＝1,2,...,T；

S1.4、提取對數頻譜特征：

S1.4.1、對第t幀音頻信號s_t(n)做離散傅立葉變換得到線性頻譜X_t(k)：

S1.4.2、將上述線性頻譜X_t(k)通過梅爾頻率濾波器組得到梅爾頻譜，再進行對數運算得到對數頻譜S_t(m)，其中梅爾頻率濾波器組為若干個帶通濾波器H_m(k)，0≤m＜M，M為濾波器的個數，每個濾波器具有三角形濾波特性，其中心頻率為f(m)，每個帶通濾波器的傳遞函數為：

其中，0≤m＜M，f(m)定義如下：

其中，f_l、f_h為濾波器的最低頻率和最高頻率，B^-1為B的逆函數：

B^-1(b)＝700(e^b/1125-1)，

因此由線性頻譜X_t(k)到對數頻譜S_t(m)的變換為：

S1.4.3、對每幀音頻信號重復步驟S1.3.1)～S1.4.2)，得到所有音頻幀的上述對數頻譜S_t(m)特征，將它們按幀的順序組合成一個特征矩陣。