自适应粒子群优化匹配追踪声音事件识别算法

发布时间：2021-05-17 14:45

　　针对公共环境中的声音事件识别问题,提出基于自适应粒子群优化（PSO）匹配追踪（MP）稀疏分解的声音事件识别算法。该算法在分析MP稀疏分解的基础上,先基于适应度函数改进PSO算法相关参数的自适应设置,再基于自适应PSO算法构建优化MP稀疏分解的目标函数及信号重构函数,实现自适应PSO算法优化MP稀疏分解,从而借助连续Gabor超完备集来提高最优原子的匹配程度,增强声音信号,提高特征的分类性能,最后使用优化的支持向量机（SVM）和复合特征实现公共环境中的声音事件准确识别。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,且具有较好的识别鲁棒性。 

【文章来源】：激光与光电子学进展. 2020,57(10)北大核心CSCD

【文章页数】：7 页

【文章目录】：
1 引言
2 MP信号稀疏分解
3 自适应PSO优化稀疏分解
    3.1 自适应PSO算法
    3.2 自适应粒子变异
    3.3 自适应稀疏分解构建
4 特征提取与声音事件识别
    4.1 稀疏分解复合特征
    4.2 SVM声音事件识别
5 实验分析
    5.1 自适应稀疏分解性能分析
    5.2 算法声音识别性能比较
6 结论


【参考文献】：
期刊论文
[1]基于改进卷积神经网络与动态衰减学习率的环境声音识别算法[J]. 冯陈定,李少波,姚勇,杨静.  科学技术与工程. 2019(01)
[2]用多频带能量分布检测低信噪比声音事件[J]. 李应,吴灵菲.  电子与信息学报. 2018(12)
[3]基于低秩稀疏矩阵分解和稀疏字典表达的高光谱异常目标检测[J]. 张晓慧,郝润芳,李廷鱼.  激光与光电子学进展. 2019(04)
[4]基于EEMD的异常声音多类识别算法[J]. 韦娟,岳凤丽,仇鹏,宁方立.  华中科技大学学报(自然科学版). 2018(07)
[5]基于量子粒子群优化算法的摄像机标定优化方法[J]. 王道累,胡松.  激光与光电子学进展. 2018(12)
[6]利用改进粒子群优化算法解调光传感重叠光谱信号[J]. 陈勇,程亚男,刘焕淋.  中国激光. 2018(07)
[7]基于凝聚信息瓶颈的音频事件聚类方法[J]. 李艳雄,王琴,张雪,邹领.  电子学报. 2017(05)
[8]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)
[9]改进的ESMD用于公共场所异常声音特征提取[J]. 李伟红,田真真,龚卫国,王伟冰.  仪器仪表学报. 2016(11)



本文编号：3191947