[发明专利]一种用于分类声环境的设备和方法

说明书

一种设备，配备输入端，用于接收从所述设备所在的声环境中捕获的声音信号。所述设备还包括信号处理器，用于从所述声音信号获取混响特征并根据所述混响特征将所述声环境分类为特定类型。所述设备还包括控制器，用于根据所述声环境的分类控制所述设备的操作。通过利用所述混响特征来分类环境，所述设备不依赖于在捕获所述声音信号时必须存在于环境中的特定类型的信号。环境的混响特征将通过从所述环境捕获的任何声音信号来体现。

本发明涉及一种用于将设备所在的环境分类为特定类型的设备和方法。

声场景分类(Acoustic Scene Classification，简称ASC)这一术语描述的是旨在仅根据记录的声音识别环境类型的技术。这些声音可以是在特定环境中发生的声音和/或所述环境产生的声音。可以将ASC视为将语义标签与可识别特定环境的音频流相关联的任务。常用标签的示例包括汽车、办公室、街道、家、餐馆等。

ASC过程通常分为训练阶段和分类阶段。首先，使用从表示训练集中的特定声场景的每个音频实例获得的特征向量来训练统计模型，所述统计模型总结属于相同类别的声景的属性(如图1所示)。然后，分类阶段涉及从未知音频样本中提取相同的特征。根据统计模型和特征向量这两项的输入，未知音频样本被分类为最匹配的类别(如图2所示)。

ASC的一个重要部分是定义和提取音频特征，这些音频特征将信号表征为从特定环境获得的一种信号。当前最先进的ASC系统利用几类音频特征，包括频带能量特征、发声特征和检测到的事件，来分类记录的声音。这种方法的问题是它依赖于在正确的时间发出正确的声音。如果在录制时，通常在特定环境中发生的声音类型(声音事件)由于某种原因没有发生，或者被其它声音淹没，ASC过程可能会错误地分类环境。

本发明的目的在于提供一种能够更可靠地分类周围环境的概念。

上述及其它目的通过独立权利要求的特征来实现。根据从属权利要求、说明书以及附图，进一步的实现形式是显而易见的。

根据第一方面，提供了一种设备，所述设备具有用于接收从设备所在的声环境捕获的声音信号的输入端。所述设备还包括信号处理器，用于从声音信号获取混响特征(英文：reverberation signature)并根据所述混响特征将声环境分类为特定类型。还包括控制器，用于根据声环境的分类控制所述设备的操作。通过利用混响特征来分类环境，所述设备不依赖于在捕获声音信号时必须存在于环境中的特定类型的信号。环境的混响特性将通过从所述环境捕获的任何声音信号来体现。需要注意的是，不同的环境可能具有相同或几乎相同的混响特征。

所述信号处理器可用于通过确定声音信号体现的混响的多个不同测量值，从声音信号获取混响特征。所述信号处理器还可用于根据所述多个不同测量值对声环境进行分类。使用混响的多个测量值是有利的，因为混响特征中包含的混响测量值越多，归向所述环境的特征就更加明显。因此，使用混响的多个测量值往往会提高分类的准确性。

所述信号处理器可用于将声音信号转换至频域，以获得将声音信号表示为多个频谱分量的信号频谱，其中每个频谱分量包含在声音信号的多个频带的相应频带中。所述信号处理器还可用于确定以下一组中的至少一个混响测量值：声音信号的多个频带中的每个频带内的衰减率分布；声音信号的多个频带的衰减率分布；以及声音信号的多个频带中的不同频带内的衰减率分布的比率。所述信号处理器还可用于根据所确定的至少一个混响测量值获取混响特征。列出的三个混响测量值均提供有关环境混响特性的有用信息。每个测量值描述声环境混响特性的不同方面。不同的环境在频带内和频带上具有不同的衰减率分布。此外，不同环境的不同频带内衰减率分布的比率也不同。