[發明專利]一種基于語譜圖紋理特征的音頻場景識別方法

在審

• 申請號: 202010091722.8
• 申請日: 2020-01-22
• 公開（公告）號: CN111276158A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 徐翹楚;汪斌;陳淑聰;姜飛龍;朱海濱;李興隆;張奧;毛凌航
• 申請（專利權）人: 嘉興學院
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/51
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于語譜圖紋理特征的音頻場景識別方法，其特征在于該方法的具體步驟是：

步驟(1)：將輸入音頻集隨機劃分成訓練音頻和測試音頻；

步驟(2)：將輸入訓練音頻和測試音頻提取出語譜圖，并進行規范化處理；

步驟(3)：采用二維Gabor濾波器對訓練音頻和測試音頻的語譜圖進行變換，具體如下：

建立L個二維Gabor濾波器，二維Gabor濾波器有M個尺度和N個方向。因此有L＝M×N；若輸入音頻語譜圖為D(x，y)，x＝1，2，...，W，y＝1，2，...，H；其中W和H分別為語譜圖的寬度和高度；經過二維Gabor濾波后，得到Gabor系數為G(m，n，i，j)，其中m為Gabor系數的尺度索引；n為Gabor系數的方向索引；0≤m≤M-1，0≤n≤N-1；

L個二維Gabor濾波器的設計步驟如下：

對于二維離散Gabor濾波器，有如下公式：

x′＝x cosθ_n+y sinθ_n

y′＝y cosθ_n-x sinθ_n

θ_n＝2πn/N，其中n＝0，1，...，N-1，f_m＝a^-mf_max，其中f_max為最高頻率，m＝0，1，...，M-1；

構造L＝M×N個Gabor濾波器后，將輸入音頻頻譜圖經過L個Gabor濾波器進行濾波，得到Gabor系數G(m，n，x，y)，計算公式如下：

G(m，n，x，y)＝D(x，y)*f(x，y，f_m，θ_n)

其中，D(x，y)為輸入音頻語譜圖，f(x，y，f_m，θ_n)為第m個尺度和第n個方向的Gabor濾波器，符號*為卷積操作，G(x，y，m，n)為音頻語譜圖經Gabor濾波后得到的Gabor濾波結果；

步驟(4)：求取Gabor濾波結果G(m，n，x，y)的幅度，采用公式如下：

其中，A(m，n，x，y)為Gabor濾波結果幅度；RE(G(m，n，x，y))為Gabor濾波結果G(x，y，m，n)的實部；IM(G(m，n，x，y))為Gabor濾波結果G(x，y，m，n)的虛部；

步驟(5)：對音頻頻譜圖的不同尺度的Gabor濾波結果幅度A(m，n，x，y)求取像素距離d＝1，方向為θ＝0°，θ＝45°，θ＝90°和θ＝135°四個方向的灰度共生矩陣，具體是：

將Gabor濾波結果幅度A(m，n，x，y)的取值歸一化到[0，255]范圍，同時計算方向為θ＝0°，θ＝45°，θ＝90°和θ＝135°四個方向的灰度共生矩陣，記為CM₀(p，q)、CM₄₅(p，q)、CM₉₀(p，q)和CM₁₃₅(p，q)，其中0≤p≤255，0≤q≤255；

步驟(6)：計算得到四個方向灰度共生矩陣的歸一化矩陣，具體計算公式如下：

步驟(7)：對四個方向的灰度共生矩陣計算二階矩、熵、對比度和均勻度，計算方法如下：

二階矩計算公式為：

其中θ＝0°，45°，90°，135°；

熵計算公式為：

其中θ＝0°，45°，90°，135°；

對比度計算公式為：

其中θ＝0°，45°，90°，135°；

均勻度計算公式為：

其中θ＝0°，45°，90°，135°；

步驟(8)：將四個方向的二階矩，熵，對比度和均勻度組合成特征向量，公式如下：

F＝{WM₀，WM₄₅，WM₉₀，WM₁₃₅，WE₀，WE₄₅，WE₉₀，WE₁₃₅，

WC₀，WC₄₅，WC₉₀，WC₁₃₅，WH₀，WH₄₅，WH₉₀，WH₁₃₅}

步驟(9)：將特征向量F合并音頻場景類別送到支持向量機中進行訓練，得到訓練后的支持向量機；

步驟(10)：將測試音頻同樣按步驟(1)到步驟(8)提取出特征向量F，送到訓練后的支持向量機中進行測試，得到音頻場景分類結果。