基于优化的正交匹配追踪声音事件识别
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。
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
39
TP391.42(计算技术、计算机技术)
国家自然科学基金61075022 Foundation Item:The National Natural Science Foundation of China 61075022
2017-03-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
183-190