基于优化的正交匹配追踪声音事件识别

摘要：

针对各种环境声对声音事件识别的影响，该文提出一种基于优化的正交匹配追踪(Orthogonal Matching Pursuit, OMP)声音事件识别方法。首先，利用OMP稀疏分解并重构声音信号，保留声音信号的主体部分，减小噪声的影响。其中，使用粒子群(Particle Swarm Optimization, PSO)算法优化搜索最优原子，实现OMP的快速稀疏分解。接着，对重构声音信号提取Mel频率倒谱系数(Mel-Frequency Cepstral Coefficients, MFCCs)，与OMP时-频特征和基频(PITCH)特征，组成优化 OMP 的复合特征。最后，通过优化 OMP 复合特征，使用随机森林(Random Forests, RF)对40种声音事件在不同环境不同信噪比下进行识别。实验结果表明，优化OMP复合特征结合RF的方法能有效地识别各种环境下的声音事件。

关键词：声音事件识别、正交匹配追踪、稀疏分解、粒子群优化、随机森林

所属期刊栏目：39

分类号：TP391.42(计算技术、计算机技术)

资助基金：国家自然科学基金61075022 Foundation Item:The National Natural Science Foundation of China 61075022

在线出版日期：2017-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：183-190