[发明专利]一种基于稀疏编码的音频场景识别方法

摘要

本发明为一种基于稀疏编码的音频场景识别方法，该方法包括(1)原子库生成；(2)对待测的音频信号，将音频信号在原子库D上进行分解，得到一个稀疏的系数α；获得对应目标场景的音频信号统计值Rt，集外音频信号统计值为Ro(3)比较统计值Rt和Ro的大小，较大的统计值对应的场景即为识别结果。本发明使用稀疏分解的理论，提取出了一种音频信号的稀疏特征，这种特征具有长时的性质，在音频场景识别方面具有良好的效果。

主权项

一种基于稀疏编码的音频场景识别方法，其特征在于，包括如下步骤：(1)原子库生成；对目标场景的训练音频信号样本进行训练，得到一个目标场景的原子库D1，对于目标集外的训练音频信号样本进行训练，得到一个集外的原子库D2；原子库D1中的原子，是具有目标场景特点的；而集外原子库D2中的原子，则不具有目标场景的特点；将音频信号定义为X＝[x1,x2,…,xn]，其中音频信号的特征为m维，λ为正则化参数，原子库D有k列，每列都是一个原子，其中m和k的大小远小于n，且满足原子库的冗余性和过完备，即m小于k；信号在过完备冗余原子库上的分解具有稀疏性；由样本X训练得到的原子库D，对于每一个样本中的音频信号，进行稀疏表示；对于样本X在D上分解的系数设为α＝[α1,α2,…,αn]，原子库的学习，就是建立一个样本在稀疏表示时，能够使用最少的原子进行表示的原子库,如下式：fn(D)=1nΣi=1nminα∈Rk12||x-Dα||22+λ||α||1---(0.1)]]>(2)对待测的音频信号，将音频信号在原子库D上进行分解，得到一个稀疏的系数α；根据这个系数中不为零的项，找到这些项在原子库中对应的原子，统计这些原子的类别标签，其中对应目标场景的音频信号统计值为集外音频信号统计值为k1为目标场景的原子库D1的原子数，k2为集外的原子库D2的原子数；(3)比较统计值Rt和Ro的大小，较大的统计值对应的场景即为识别结果。