基于优化正交匹配追踪和深度置信网的声音识别

发布时间：2018-02-16 14:30

  本文关键词： 声音事件识别 正交匹配追踪 稀疏分解 粒子群优化 深度置信网　出处：《计算机应用》2017年02期 　论文类型：期刊论文

【摘要】：针对各种环境声音对声音事件识别的影响,提出一种基于优化的正交匹配追踪(OOMP)和深度置信网(DBN)的声音事件识别方法。首先,利用粒子群优化(PSO)算法优化OMP稀疏分解,在实现正交匹配追踪(OMP)的快速稀疏分解的同时,保留声音信号的主体部分,抑制噪声对声音信号的影响;接着,对重构声音信号提取Mel频率倒谱系数(MFCC)、OMP时-频特征和基音频率(Pitch)特征,组成OOMP的复合特征;最后,使用DBN对提取的OOMP特征进行特征学习,并对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,OOMP特征结合DBN的方法适用于各种环境声下的声音事件识别,而且能有效地识别各种环境下的声音事件,即使在信噪比(SNR)为0 d B的情况下,仍然能保持平均60%的识别率。
[Abstract]:Aiming at the influence of environmental sound on sound event recognition, a sound event recognition method based on orthogonal matching tracking (OOMP) and depth confidence net (DBN) is proposed. Firstly, particle swarm optimization (PSO) algorithm is used to optimize the sparse decomposition of OMP. While realizing the fast sparse decomposition of orthogonal matching tracking (OMP), the main part of the sound signal is retained to suppress the influence of noise on the sound signal. The time-frequency feature and pitch feature of Mel frequency cepstrum are extracted from reconstructed sound signal to form the compound feature of OOMP. Finally, the feature learning of OOMP feature extracted by DBN is carried out. The experimental results show that the OOMP method combined with DBN is suitable for acoustic event recognition in various environments, and it can effectively recognize sound events in various environments. Even when the SNR is 0 dB, the average recognition rate is 60%.
【作者单位】： 福州大学数学与计算机科学学院;
【基金】：国家自然科学基金资助项目(61075022)~~
【分类号】：TN912.34

【相似文献】

相关期刊论文 前10条

1 赵玉娟;水鹏朗;张凌霜;;基于子空间匹配追踪的信号稀疏逼近[J];信号处理;2006年04期

2 赵玉娟;;分层匹配追踪对信号的稀疏逼近[J];江苏教育学院学报(自然科学版);2007年02期

3 杜小勇;段晓君;;匹配追踪信号分解收敛性的一种证明[J];湖南工业大学学报;2010年01期

4 韩德亮;于凤芹;;基于匹配追踪算法的汉语音节重叠声韵分割[J];计算机工程与设计;2012年07期

5 姚远;梁志毅;;基于压缩感知信号重建的自适应空间正交匹配追踪算法[J];计算机科学;2012年10期

6 曾春艳;马丽红;杜明辉;;前向预测与回溯结合的正交匹配追踪算法[J];华南理工大学学报(自然科学版);2012年08期

7 蒋留兵;黄韬;;一种新的压缩采样匹配追踪算法[J];计算机应用研究;2013年02期

8 黄芳;朱永忠;;基于局部性质的改进正交匹配追踪算法[J];青岛科技大学学报(自然科学版);2013年05期

9 马强;金裕红;;框架理论在匹配追踪算法中的应用[J];计算机与数字工程;2010年12期

10 韩德亮;于凤芹;李亚文;;基于遗传匹配追踪分解的汉语孤立字声韵分割[J];计算机系统应用;2012年02期

相关会议论文 前7条

1 陆媛媛;宋炜;左佳卉;李亭;;基于改进匹配追踪的子波特征能量气藏检测方法[A];中国地球物理2013——第十九专题论文集[C];2013年

2 李辉;;面向图像视频编码的多规模匹配追踪图像表达法[A];信息科学与微电子技术:中国科协第三届青年学术年会论文集[C];1998年

3 李政;罗飞路;;基于匹配追踪的超声回波参数估计方法[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

4 秦晓伟;郭建中;;匹配追踪算法(MP)在超声成像中的研究[A];第二届西安-上海两地声学学术会议论文集[C];2011年

5 于勇凌;张海燕;马世伟;;改进的chirplet匹配追踪在Lamb波信号时频分析中的应用[A];融合与创新：新世纪物理声学的发展——二零一二年度全国物理声学会议论文集[C];2012年

6 高建虎;陈杰;张履谦;;基于压缩感知和EMD的SAR海洋内波探测方法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

7 苏哲;许录平;甘伟;;基于压缩感知的脉冲星轮廓构建算法[A];第二届中国卫星导航学术年会电子文集[C];2011年

相关博士学位论文 前5条

1 杨成;压缩采样中匹配追踪约束等距性分析及其应用[D];复旦大学;2011年

2 曾春艳;匹配追踪的最佳原子选择策略和压缩感知盲稀疏度重建算法改进[D];华南理工大学;2013年

3 杨瑞明;基于压缩采样的比幅测向方法研究[D];电子科技大学;2010年

4 韩晓红;混沌时序非线性去噪方法研究及其应用[D];太原理工大学;2012年

5 李青;优化核方法[D];西安电子科技大学;2007年

相关硕士学位论文 前10条

1 李会龙;转子匹配追踪信息熵故障诊断研究[D];中北大学;2016年

2 杨盼;压缩感知中改进的匹配追踪类算法研究[D];安徽大学;2016年

3 辛一;基于分层匹配追踪及保序稀疏编码的行人识别研究[D];安徽大学;2016年

4 李明;匹配追踪在环境声音事件识别中的应用研究[D];福州大学;2013年

5 欧阳桢;优化的匹配追踪用于生态声音识别[D];福州大学;2014年

6 吴悠;汽车变速器齿轮和轴承混合故障诊断方法及实验研究[D];华南理工大学;2016年

7 赵玉娟;基于子空间匹配追踪的信号稀疏逼近[D];西安电子科技大学;2005年

8 任晓馨;压缩感知贪婪匹配追踪类重建算法研究[D];北京交通大学;2012年

9 校午阳;基于多通道匹配追踪算法的时频分析研究及在脑电信号处理中的应用[D];天津医科大学;2012年

10 李亚文;遗传匹配追踪算法的研究与改进[D];江南大学;2011年

，

本文编号：1515736