一种自主更新的无负样本的异常声音检测算法

摘要：

本发明公开了一种自主更新的无负样本的异常声音检测算法，通过对异常的声音进行分离，之后采用人工的方式对异常的音频样本进行鉴定，异常的声音存入异常音频数据库内，正常声音存入正常音频数据库内，下次再遇到该音频时就可以自动检测和判定，降低了程序的学习成本和学习周期，可以快速的投入使用。

专利类型：发明专利

申请/专利号：CN202011554531.7

申请日期：2020-12-24

公开/公告号：CN112735474A

公开/公告日：2021-04-30

主分类号：G10L25/51(2013.01)

申请/专利权人:晋江市静仪科技有限公司

发明/设计人:林艺瑄

主申请人地址:362000 福建省泉州市晋江市池店镇华洲村滨江路3549号堤防安置小区4幢2梯604室

国别省市代码:福建;35

权利要求：

1.一种自主更新的无负样本的异常声音检测算法，其特征在于：其步骤包括： 1)声音采集模块采集声音，算法对采集到的音频进行波形图转换，之后通过波形图的波形数据的平均值及最小值来判断是否在阈值0.2以上； 2)当阈值大于0.2时，则判定该音频有强干扰声，计算该音频的噪音值：音频值＝int(N*10)/10，计算音频值的聚类，排列聚类的值，从小到大，循环计算聚类大于总音频值的1/10；当阈值小于等于0,2时，则判定该音频有低干扰噪声； 3)基于噪声的统计信息计算阈值； 4)通过信号计算FFT，并将信号FFT与阈值进行比较来确定掩码； 5)使用滤镜在平率和时间上对蒙版进行平滑处理； 6)将掩码叠加到信号的FFT中，并反转； 7)对最高和最低阈值频率时长进行统计，并判断是否在数据库中的正常音频阈值中； 8)当处于正常阈值中，则认定为正常声音，结束检测，输出结果；当统计结果不在正常阈值中，则认定为异常声音，此时，将该段音频传输至人机端进行人工审查是否为异常声音，结束检测，输出结果。 2.根据权利要求1所述的一种自主更新的无负样本的异常声音检测算法，其特征在于：所述步骤1中设置一个周期内的时间为一段音频的保存和发送给算法识别。 3.根据权利要求1所述的一种自主更新的无负样本的异常声音检测算法，其特征在于：所述步骤3中通过噪声的FFT计算得出噪声的统计信息和算法的期望灵敏度。 4.根据权利要求1所述的一种自主更新的无负样本的异常声音检测算法，其特征在于：所述步骤8中人工检测：结果为异常声音时，则将样本加入异常音频数据库，结果为正常声音时，则将样本加入正常音频数据库，下次遇到该音频阈值内的情况时可以自动判定为正常声音。 5.根据权利要求4所述的一种自主更新的无负样本的异常声音检测算法，其特征在于：所述人工检测为即时检测或者定期检测。