自适应连续集稀疏分解声音识别算法

发布时间：2021-01-18 15:26

　　为实现公共环境复杂背景中异常声信号识别以辅助公共场所安全监控,提出基于连续完备集的自适应MP稀疏分解声音识别算法,算法通过相关参数改进实现自适应PSO算法,然后借助PSO算法的连续空间搜索优势对MP稀疏分解进行连续集优化,从而提高稀疏分解获得的最优原子的匹配度,最后提取重构声信号的时频参数特征以SVM算法实现异常声音事件的快速准确识别。实验结果表明,与已有算法相比,所提识别算法显著降低了计算量,并取得了最优的声音识别率和识别鲁棒性。 

【文章来源】：机械设计与制造. 2020,(08)北大核心

【文章页数】：5 页

【部分图文】：

改进算法的稀疏分解流程

从实验数据中随机50组声信号样本，并与四种噪声以-5dB分段信噪随机混合，改进算法对某含胡高斯噪声的声信号稀疏分解并重构后的波形图和时频谱图，如图2所示。可以看出，算法较好的降低噪声干扰，并保持声信号波形，时频谱图中也显示出算法较好的降噪作用。进一步，采用这里算法、PSO改进MP算法（记为Pso-MP)[4]及原始OMP算法对重构信号的均方误差（MSE）、波形相似性（NCC)[9]及信噪比（SNR）等评价指标进行分析，多次实验结果平均值，如表2所示。图2 改进算法重构信号

图2 改进算法重构信号表2实验结果进一步验证了这里改进算法在信号稀疏分解和重构方面的优势，自适应的参数设置增加算法对不同异常声信号的适应性，而连续集最优原子增加了与声信号的匹配程序。

【参考文献】：
期刊论文
[1]正交匹配追踪反卷积声源识别方法[J]. 吴桂娇,李文拔,何刘海.  重庆大学学报. 2019(07)
[2]基于PSO-PF算法的SVM识别方法及其在异常声音中的应用[J]. 韦娟,张芃楠,岳凤丽,宁方立.  北京邮电大学学报. 2019(03)
[3]基于多传感器信息融合的绝缘子串自动识别方法[J]. 刘澈,姜勇,姚森敬,刘国伟.  机械设计与制造. 2019(04)
[4]基于循环匹配追踪的稀疏重构时延估计算法[J]. 崔维嘉,张鹏,巴斌.  电子与信息学报. 2019(03)
[5]基于PSO-SVM方法的电源线传导泄漏信号识别与还原[J]. 周长林,钱志升,王勤民,余道杰,程俊平.  电子与信息学报. 2018(09)
[6]基于优化正交匹配追踪和深度置信网的声音识别[J]. 陈秋菊,李应.  计算机应用. 2017(02)



本文编号：2985186