[发明专利]一种基于深度变换特征的高速公路异常音频事件分类方法

摘要

本发明公开了一种基于深度变换特征的高速公路异常音频事件分类方法，首先采集高速公路异常音频事件样本，然后划分为训练集和测试集；接着分别对训练集和测试集音频事件样本进行预加重、分帧、加窗处理，且取前后2帧构成上下文音频数据块；从上述音频数据块中提取声学特征拼接成特征矢量；将特征矢量输入深度自编码网络提取深度变换特征；然后输入长短时记忆网络分类器，辨识各类异常音频事件。上述深度自编码网络特征提取器与长短时记忆网络分类器都包括训练步骤和测试步骤。本发明采用的深度变换特征是各传统声学特征的融合与变换，具有更好的区分性和鲁棒性，在对高速公路复杂音频中的异常音频事件进行分类时能取得更佳的分类效果。

主权项

1.一种基于深度变换特征的高速公路异常音频事件分类方法，其特征在于，所述的方法包括下列步骤：S1、数据准备，利用录音设备在高速公路采集包含异常音频事件的音频数据并进行人工标注，然后将上述音频数据划分为训练数据集和测试数据集；S2、预处理，分别对训练数据和测试数据进行预加重、分帧、加窗，取前后2帧组成上下文音频数据块；S3、声学特征提取，对预处理后的音频数据做声学特征提取，包括梅尔滤波器组、Gabor滤波器组和常Q倒谱系数，并将上述三种特征拼接成一个声学特征矢量；S4、深度变换特征提取，构建深度自编码网络，将上述声学特征矢量输入深度自编码网络，基于最小误差准则确定深度自编码网络参数，深度自编码网络输出层的输出是对输入层的输入声学特征矢量的重构，深度自编码网络瓶颈层的输出即为深度变换特征；S5、异常音频事件分类，将上述深度变换特征输入已经训练好的长短时记忆网络分类器，得到异常音频事件的分类结果。