基于驚奇模型與聲譜圖的音頻事件檢測與識別研究.pdf

1、音頻信息作為多媒體信息的重要組成部分，豐富著人們的生活，同時在人們的生活中發(fā)揮著越來越重要的作用。因此，基于音頻信息的音頻事件檢測與識別研究具有重要的社會意義與實用價值。本文所要研究的音頻事件被定義為一段音頻信號中相對顯著、容易被人們所關注的部分，稱其為“顯著”音頻事件或是異常聲音片段。目前一般的音頻事件的端點檢測多采用短時能量和短時過零率的方法，音頻事件的特征提取則大多沿用處理語音信號的方法，如梅爾頻率倒譜系數(shù)(Mel-Frequen

2、c Cepstrum Coefficient，MFCC)、線性預測倒譜系數(shù)(LinearPrediction Cepstrum Coefficient，LPCC)等。由于音頻事件既包含語音信號又包含很多的非語音信號。因此，基于語音處理的傳統(tǒng)的端點檢測和特征提取放過存在著明顯的不足。針對以上的問題，本文提出了基于貝葉斯驚奇模型的音頻事件檢測方法和基于聲譜圖的特征提取方法，最后利用稀疏表示分類(SparseRepresentation Cl

3、assification，SRC)算法對音頻事件進行分類識別。
　　本文研究的主要內容及主要創(chuàng)新點如下:
　　(1)提出了基于貝葉斯驚奇模型的“顯著”音頻事件的端點檢測方法。由于“顯著”音頻事件在一段音頻信號中相對于背景聲音具有一定的顯著性。本文就從音頻信號的調頻-調幅模型的基礎上利用Teager能量算子和能量分離算法提取音頻信號的顯著性特征，進而通過驚奇模型對特征進行分析，得到音頻信號的顯著波形圖，最終定位并提取出其中的“

4、顯著”聲音片段。
　　(2)根據(jù)聲譜圖信息提取“顯著”音頻事件特征。本文通過對“顯著”音頻事件聲譜圖特性的分析，認為不同的異常聲音片段聲譜圖的時頻結構在朝向和細微程度上存在著顯著的不同，具備很好的鑒別性。因此，本文首先將提取出的異常聲音片段轉換為聲譜圖，然后采用2D-Gabor濾波器對異常聲音片段聲譜圖的時頻結構進行描述，加強聲譜圖的特征信息量，進而根據(jù)聲譜圖的灰度共生矩陣提取聲譜圖特征。作為后續(xù)對“顯著”音頻事件識別研究的特征參