[发明专利]基于关键点编码和卷积神经网络进行鲁棒的声音识别方法

摘要

生物证据表明局部时频信息能够有效处理带有噪声的信号，而且卷积神经网络广泛被应用到听觉处理领域。本发明提出了一种新的声音识别的方法，基于关键点编码和卷积神经网络进行鲁棒的声音识别方法，采用关键点编码的方法来提取局部时频信息，用卷积神经网络对声音进行识别分类。本发明使用RWCP数据库来评估系统性能。结果表明本发明提出的系统在噪声环境下可以有效地对声音进行分类。

主权项

1.基于关键点编码和卷积神经网络进行鲁棒的声音识别方法,其特征在于，包括如下步骤：1)数据预处理在数据预处理阶段，首先声音信号通过分帧、加窗、短时傅里叶变换得到二维的语谱图S_abs(t,f)，之后对语谱图进行归一化和取对数的操作，得到归一化的对数能量语谱图S_log(f,t)。取对数操作如下：S_log(f,t)＝log(S_abs(t,f)+∈)‑log(∈)(1)其中，∈表示学习率。由于本发明所使用的数据库中不同的声音信号具有不同的时间长度，而CNN要求输入的大小是固定的；2)关键点编码对于每一张固定的语谱图S_log(f,t),分别从局部的时间域和频率域采用一维的最大值滤波器提取关键点，来提取局部的时频信息；局部时域和频域区域定义如下：Q_f(y)＝S_log(f±d,t),d∈{0,1,…,D}(2)Q_t(y)＝S_log(f,t±d)其中，Q_f表示局部纵向频域，Q_t表示局部横向时域，D设置为4表示局部区域的大；分别从时域和频域提取关键点信息，关键点定义如下：提取的第i个关键点信息保存为K_i＝{f_i,t_i,s_i},f_i,t_i,s_i分别表示第i个点多对应的频率、时间以及能量值；3)分类器分类：使用CNN处理编码的关键点图，进行鲁棒性声音的识别。