基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法
【專利摘要】本發(fā)明涉及一種基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法，其特征在于，包括以下步驟：S01：分別對純凈聲音和測試帶噪聲音進(jìn)行OMP稀疏分解，對應(yīng)輸出純凈聲音和測試帶噪聲音的重構(gòu)信號和OMP特征；S02：分別對純凈聲音和測試帶噪聲音提取包括OMP特征在內(nèi)的復(fù)合特征；S03：對重構(gòu)后的純凈聲音提取的復(fù)合特征進(jìn)行DBN模型訓(xùn)練；S04：對重構(gòu)后的測試帶噪聲音和訓(xùn)練后的純凈聲音提取的復(fù)合特征進(jìn)行DBN模型分類，輸出測試帶噪聲音所屬的生態(tài)聲音類別。本發(fā)明對系統(tǒng)抗噪性和魯棒性的提高更為顯著。
【專利說明】基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法。
【背景技術(shù)】
[0002]近年來，棲息地保護(hù)受到越來越廣泛的關(guān)注，部分地區(qū)已大規(guī)模部署監(jiān)控以掌握實時信息。通過分析和識別生態(tài)環(huán)境中包含的音頻信息，可以為入侵監(jiān)測、物種勘察等應(yīng)用提供數(shù)據(jù)支持。在現(xiàn)實環(huán)境中，復(fù)雜多變的背景噪聲是普遍存在的，因此，噪聲環(huán)境下的生態(tài)聲音識別具有重要的實際意義。
[0003]目前語音與音樂分類識別技術(shù)較多，而環(huán)境聲音的研究相對較少。不同環(huán)境包含的音頻信息差別很大，如餐廳，廣場等嘈雜環(huán)境中，更多的是說話聲、碰撞聲或車聲等，生態(tài)環(huán)境中的音頻更側(cè)重于動物和自然所產(chǎn)生的聲音。目前有較多方法針對如鳥叫或蛙叫等單類別聲音改進(jìn)的識別算法，應(yīng)用范圍較為有限，例如=Chen等人提出頻域特征多級平均譜(Mult1-StageAverageSpectrum, MSAS),結(jié)合音節(jié)長度對18種娃類聲音進(jìn)行兩次識別分類，識別效果優(yōu)于單獨利用MSAS特征，但是對于重疊的動物叫聲，音節(jié)長度分類顯然不能奏效；Lee等人使用高斯混合模型(GMM)對譜圖形態(tài)特征進(jìn)行建模，對連續(xù)型鳥叫進(jìn)行分類識別。還有一些多類別生態(tài)聲音識別的研究如=Raju等人提取基音，共振峰和短時能量特征集結(jié)合支持向量機(jī)(SVM)對包括貓狗獅子在內(nèi)的19種動物聲音進(jìn)行分類識別；Zhang等人提取改進(jìn)的Mel頻率倒譜系數(shù)(Mel-FrequencyCepstralCoefficients,MFCCs)作為特征并使用GMM對多種昆蟲聲音分類識別。
[0004]以上這些方法都存在一些不足之處，GMM和隱馬爾科夫模型(HMM)在語音等結(jié)構(gòu)化聲音上應(yīng)用較為廣泛，而生態(tài)聲音隨機(jī)性較大，且并非都是結(jié)構(gòu)化的，所以使用上述產(chǎn)生式模型并不穩(wěn)定。判別式模型SVM和一些傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)能夠較好的對非線性可分類進(jìn)行建模，但在高維特征及類別數(shù)量較多時，分類效果還不如GMM或HMM。

【發(fā)明內(nèi)容】

[0005]有鑒于此，本發(fā)明的目的是提供一種基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法。
[0006]本發(fā)明采用以下方案實現(xiàn):一種基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法，其特征在于，包括以下步驟:
[0007]SOl:分別對純凈聲音和測試帶噪聲音進(jìn)行OMP稀疏分解，對應(yīng)輸出純凈聲音和測試帶噪聲音的重構(gòu)信號和OMP特征；
[0008]S02:分別對純凈聲音和測試帶噪聲音提取包括OMP特征在內(nèi)的復(fù)合特征；
[0009]S03:對重構(gòu)后的純凈聲音提取的復(fù)合特征進(jìn)行DBN模型訓(xùn)練；
[0010]S04:對重構(gòu)后的測試帶噪聲音和訓(xùn)練后的純凈聲音提取的復(fù)合特征進(jìn)行DBN模型分類，輸出測試帶噪聲音所屬的生態(tài)聲音類別。
[0011]在本發(fā)明一實施例中，假設(shè)待分解信號f，長度為N，進(jìn)行稀疏分解之前，首先構(gòu)造過完備原子字典D=(gY) Y e r,時頻原子gY是Gabor原子，由參數(shù)組Y = (s，u, v，w)定義，平移因子u定義一個原子gY的中心位置，伸縮因子S，頻率因子V和相位因子w定義其波形，其離散化時頻參數(shù)Y = (s, u, V, w) = (aJ, paJ Δ u, ka_J Δ ν, 1八《0,其中，0〈」(1g2N,O ^ ρ ^ N2_J+1,0 ^ k〈2J+1,012, a=2, Δ u=l/2, Δ v= ji , Δ w= π /6 ;所述步驟 SOI 具
體步驟包括:
[0012]SOll:初始化信號殘差RQf=f，迭代次數(shù)k=l，最大迭代次數(shù)L ；
[0013]S012:從過完備原子字典D中選出第k次迭代與信號殘差最為相關(guān)的原子gYk，
【權(quán)利要求】
1.一種基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法，其特征在于，包括以下步驟: s01:分別對純凈聲音和測試帶噪聲音進(jìn)行OMP稀疏分解，對應(yīng)輸出純凈聲音和測試帶噪聲音的重構(gòu)信號和OMP特征； s02:分別對純凈聲音和測試帶噪聲音提取包括OMP特征在內(nèi)的復(fù)合特征； s03:對重構(gòu)后的純凈聲音提取的復(fù)合特征進(jìn)行DBN模型訓(xùn)練； s04:對重構(gòu)后的測試帶噪聲音和訓(xùn)練后的純凈聲音提取的復(fù)合特征進(jìn)行DBN模型分類，輸出測試帶噪聲音所屬的生態(tài)聲音類別。
2.根據(jù)權(quán)利要求1所述的基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法，其特征在于，假設(shè)待分解信號f，長度為N，進(jìn)行稀疏分解之前，首先構(gòu)造過完備原子字典D= (gY)Y e r，時頻原子8￥是Gabor原子，由參數(shù)組Y = (s, u, v, w)定義,平移因子u定義一個原子gY的中心位置，伸縮因子S，頻率因子V和相位因子W定義其波形，其離散化時頻參數(shù)Y = (S，U,V, w) = (aJ, paJ Δ u, ka_J Δ v, i Δ w)，其中，0〈j ^ 1g2N, 0 ^ p ^ N2_J+1,0 ^ k〈2J+1,0 ^ i ^ 12,a=2, Δ u=l/2, Δ V= , Δ w= π/6 ;所述步驟SOI具體步驟包括: s011:初始化信號殘差RtlPf,迭代次數(shù)k=l，最大迭代次數(shù)L ； s012:從過完備原子字典D中選出第k次迭代與信號殘差最為相關(guān)的原子gYk，
3.根據(jù)權(quán)利要求2所述的基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法，其特征在于，所述步驟S012，利用GSO搜索最優(yōu)原子，具體步驟包括: s001:初始化螢火蟲種群規(guī)模n，熒光素Ii，決策域半徑IV最大迭代次數(shù)tmax并隨機(jī)生成螢火蟲；
s002:根據(jù) Xi (t) = (Si (t)，Ui (t)，Vi (t)，Wi (t))和 f (Xi (t)) = I <Rkf, g Y (Xi (t))> 計算螢火蟲i在第t次迭代的所處位置Xi⑴的目標(biāo)值f (Xi⑴)，并根據(jù)IJt-1)+ηf (Xi⑴)轉(zhuǎn)化為熒光素值Ii(t),其中，P e (O, I)為熒光素消失率，η e (O, I)為熒光素更新率； s003:每只螢火蟲i在其動態(tài)決策域rj(i)內(nèi)搜尋熒光素比自身大的個體組成鄰域集Ni (t)，Ni(I) = {/: Ciij(J) < 1--(I)JiH) < Ij(J)S) < /；；(/) < /； ,其中 rs 為螢火蟲決策域的最大值； s004:計算螢火蟲個體i向鄰域集Ni⑴內(nèi)任一個體j移動的概率Pij,
4.根據(jù)權(quán)利要求1所述的基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法，其特征在于，所述步驟S02具體為:提取包括OMP特征、MFCCs特征和基音特征的復(fù)合特征；其中，提取OMP特征的方法具體為利用OMP分解每一幀聲音信號，獲得表示該幀信號的支撐集前L個原子時頻參數(shù)組中伸縮因子s和頻率因子V的均值和標(biāo)準(zhǔn)差，構(gòu)成4維OMP特征，
5.根據(jù)權(quán)利要求4所述的基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法，其特征在于:選取MFCCs補(bǔ)充OMP特征使用，首先采用24階Mel濾波器組，對重構(gòu)信號作離散傅里葉變換后得到12維MFCCs靜態(tài)特征，再加上對數(shù)能量作為其第13維特征。
6.根據(jù)權(quán)利要求4所述的基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法，其特征在于:選取PITCH補(bǔ)充OMP特征使用，采用循環(huán)平均幅度差函數(shù)法獲得每幀對應(yīng)的I維PITCH特征。
7.根據(jù)權(quán)利要求1所述的基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法，其特征在于:所述DBN模型訓(xùn)練包括兩個步驟，第一步采用無監(jiān)督逐層貪心的策略進(jìn)行預(yù)訓(xùn)練，將已標(biāo)記好的生態(tài)聲音特征初始化DBN最底層的可見層節(jié)點的狀態(tài)值，這樣使得具體特征逐漸抽象化；第二步使用正確標(biāo)注信息有監(jiān)督的訓(xùn)練BP網(wǎng)絡(luò)，并將修正信息自頂向下的傳播至每一層RBM進(jìn)行微調(diào)。
8.根據(jù)權(quán)利要求7所述的基于快速稀疏分解和深度學(xué)習(xí)的生態(tài)聲音識別方法，其特征在于:RBM網(wǎng)絡(luò)采用ContrastiveDivergence準(zhǔn)則作為自訓(xùn)練策略，每層均由一個可視層V和隱層H組成，通過自底向上的層間加權(quán)連接組合多個RBM，用隱層單元的輸出作為上層RBM可視層的輸入，從而構(gòu)建一個DBN框架，RBM包含三個參數(shù)，分別是可見層和隱層之間的權(quán)值W，以及各自偏置量b和C，因此對DBN分類器訓(xùn)練的過程轉(zhuǎn)化為對RBM參數(shù)的求解，假設(shè)可視層和隱層的節(jié)點值分別為Vi和hp可視層V每一個節(jié)點置I的概率為
【文檔編號】G10L17/04GK103531199SQ201310472330
【公開日】2014年1月22日 申請日期:2013年10月11日 優(yōu)先權(quán)日:2013年10月11日
【發(fā)明者】李應(yīng), 歐陽楨 申請人:福州大學(xué)