等效矩形带宽经验小波变换用于公共场所异常声音特征提取

发布时间：2020-06-26 17:30

【摘要】：公共场所安全关乎社会稳定、人民群众的生命财产的安全,对公共场所的安全保卫及监控一直是国家安全策略的首要任务。视频监控在安全监控领域占据了主要位置,然而视频监控由于光线不足或监控死角等原因效果下降。我们知道,公共场所异常声音的产生通常揭露了公共场所非正常事件的发生。所以开展音频监控是公共场所安全监控领域的重要方面,本文研究的公共场所异常声音特征提取方法,是该领域的核心理论及技术问题。本文通过模拟等效矩形带宽构建经验小波滤波器组,提出等效矩形带宽经验小波变换(Equivalent Rectangular Bandwidth Empirical Wavelet Transform,ERB-EWT)特征提取方法。相关实验证明,本文提出的方法有效、可行。本文开展的主要工作如下:(1)国内外异常声音特征提取方法的研究现状调研。重点调研了国内外声音信号特征提取的相关方法及应用现状。(2)公共场所异常声音基本处理方法分析。通过分析现有的特征提取方法,一类是语音信号的分析方法,一类是时频分析分解方法。得出了基于语音信号的分析方法能够快速的提取声音信号的特征,但是存在鲁棒性较差问题的结论。以及基于时频分析的分解方法对环境的鲁棒性较好,但这类方法的不足是理论性缺乏及分解耗时问题。(3)提出等效矩形带宽经验小波变换特征提取方法。经验小波变换(Empirical Wavelet Transform,EWT)是一种全新的模态分解方法。其具有可靠的数学推导过程,对信号的分解更稳定、计算更简单、速度更快。但EWT在处理公共场所异常声音这类频谱复杂的信号时,由于信号的固有模态不易确定,导致边界分割困难,建立的滤波器组不能很好的反映信号的幅频特性。本文根据模拟等效矩形带宽(Equivalent Rectangular Bandwidth,ERB)可以反映人耳听觉机理的特点,提出一种等效矩形带宽经验小波变换ERB-EWT特征提取方法。本文首先依据等效矩形带宽划分信号的傅里叶频谱,而非经验小波变换中依据信号频谱极值点划分信号傅里叶频谱获取边界的方法。并将得到的边界代入到经验小波变换中,构造出ERB-EWT滤波器组,本文提出的ERB-EWT与公共场所异常声音信号无关,不需要预先设定异常声音信号的固有模态数。然后,将ERB-EWT用于分解公共场所异常声音,得到一系列不同的模态,利用各个模态计算得到每个模态对应的对数能量,并将这组对数能量进行归一化并作为特征向量。利用获取的特征向量训练分类器,用于分类识别。(4)设计并进行相关验证实验。实验分为两部分。一是提出方法的性能测试;本文提出的等效矩形带宽矩形小波变换分解信号耗时较少,并且重构误差较小。二是比较实验;同基于语音信号分析的方法相比,对对噪声的鲁棒性较好,识别结果较优。同基于时频分析的方法相比,特征提取耗时较少,识别结果较优。
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：D631.4;TN912.3
【图文】：

小波滤波器组,傅里叶频谱,边界划分,尺度函数

图 3.1 傅里叶频谱的边界划分及构造出的经验小波滤波器组Fig.3.1 Boundaries division of Fourier spectrum and filter banks对于 n > 0，Gilles 构造的经验尺度函数和经验小波函数具体表现形式如式(3.1)和式(3.2)所示。1 | |1( ) cos[ ( (| | ))] | |2 20n nn n n n n n nnififotherwiseω ω tπφ ω β ω ω t ω t ω ω tt∧ ≤ + ≤ ≤ + (3.1)1 11 1 1 1 1 111 | |1cos[ ( (| | ))] | |2 2( )1sin[ ( (| | )] | |2 20n n n nn n n n n nnnn n n n n nnifififotherwiseω t ω ω tπβ ω ω t ω t ω ω ttψ ωπβ ω ω t ω t ω ω tt+ ++ + + + + +∧+ + ≤ ≤ + ≤ ≤ + = + ≤ ≤ + (3.2其中t =γω，函数β( x)是一个任意( 0,1)kC 函数。文献 [16] 中

流程图,异常声音,公共场所,训练阶段

等参数更能准确的描述公共场所异常声音信号，鲁棒性好。与 WT 方法较好。同时与原始的 EWT 以及 EEMD、ELMD、SASEEMD、D_ES析方法相比，鲁棒性较好，识别效果较优，耗时时间较少。文提出的公共场所异常声音识别的流程图如图 4.1 所示。图 4.1 公共场所异常声音识别流程图Fig.4.1 The flow chart of the recognition of abnormal sound in public places共场所异常声音识别训练阶段流程图如图 4.2 所示。

【参考文献】