基于稀疏分解的音頻場景識別方法研究.pdf

1、現(xiàn)在人們已經(jīng)進入了信息化時代,并且隨著科技的發(fā)展,信息在人們平時的生產(chǎn)和生活中變得越來越重要。這些信息以不同的方式出現(xiàn)在我們的生活中,如何將這些信息加以良好的有效的利用,是信息化時代賦予我們的重要使命。在這些信息中,音頻信號又是其中一個不可或缺的重要組成部分。
　　網(wǎng)絡(luò)多媒體以及數(shù)字信號處理技術(shù)現(xiàn)在已經(jīng)有了長足的進步。音頻信號作為數(shù)字信號的一部分,其規(guī)模也日益增長。然而,對越來越多的音頻數(shù)據(jù)及其中包含著的海量信息而言,如何從中找到

2、我們感興趣的內(nèi)容,是一個難點問題,也是一個亟待解決的問題。常規(guī)人工檢索的方式顯然無法有效處理網(wǎng)絡(luò)中多模態(tài)的海量規(guī)模的音頻數(shù)據(jù),所以我們需要有效的技術(shù)手段來實現(xiàn)音頻數(shù)據(jù)自動處理和內(nèi)容分析識別。而這些技術(shù)手段必將可以有效支撐現(xiàn)實中的各類智能系統(tǒng)的音頻處理需求。
　　音頻場景識別是通過對音頻信號中所包含的聲學事件進行檢測分析,從而對音頻進行語義內(nèi)容的理解,進而達到識別出特定的音頻場景的目的。所謂音頻場景是指包含特定語義的某個音頻數(shù)據(jù)片段

3、,這個語義往往具有很強的代表性和區(qū)分度,是人類分析和區(qū)別音頻內(nèi)容的重要依據(jù)和手段,在現(xiàn)實中有很多重要的應(yīng)用。
　　音頻場景的識別,主要依靠提取出來的音頻信號特征,和音頻場景的識別模型,來識別出表征該場景的語義標簽。提取一個有優(yōu)良效果的音頻信號特征,對音頻場景的識別有很大幫助。在特征的數(shù)據(jù)分析方面,根據(jù)成分分析的思想,可以對音頻信號的聲學特征加以優(yōu)化。本文使用稀疏分解的理論,提取出了一種音頻信號的稀疏特征,這種特征具有長時的性質(zhì),在

4、音頻場景識別方面具有良好的效果。隨后使用成分分析的思想,對特征進行加權(quán)優(yōu)化。該方法可以獲取音頻信號特征中的關(guān)鍵成分。
　　本文使用的稀疏分解思想,是一種信號處理的方式,最初主要應(yīng)用于圖像信號的處理中。在人們使用非冗余正交變換進行數(shù)據(jù)表示時,發(fā)現(xiàn)了很多的問題。如一些信號本身就是很多復雜的信號的混合體,在單一的正交變換中不能得到很好的表示。稀疏表示是使用一種過完備冗余函數(shù)系統(tǒng)的原子庫來代替基函數(shù)進行數(shù)據(jù)表示的方法。其中原子是原子庫中的

5、元素。選擇出原子庫中的m個原子對原始數(shù)據(jù)信號進行最佳表示,就是數(shù)據(jù)信號在原子庫上的稀疏分解。根據(jù)信號的稀疏分解理論,本文提出了一種新的音頻場景的識別方式。首先對目標場景和集外場景分別訓練原子庫,并將得到的原子庫組合。然后將待識別的音頻信號特征在組合得到的原子庫上進行稀疏分解。對稀疏分解中的原子來源進行分析,通過這些原子的是否為目標場景原子庫中的原子來進行投票,來判斷該音頻信號的場景歸屬。
　　本文的實驗語料來源于網(wǎng)絡(luò)上的真實音頻數(shù)