基于驚奇模型與聲譜圖的音頻事件檢測(cè)與識(shí)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(shí)在人們的生活中發(fā)揮著越來(lái)越重要的作用。因此，基于音頻信息的音頻事件檢測(cè)與識(shí)別研究具有重要的社會(huì)意義與實(shí)用價(jià)值。本文所要研究的音頻事件被定義為一段音頻信號(hào)中相對(duì)顯著、容易被人們所關(guān)注的部分，稱(chēng)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(diǎn)檢測(cè)多采用短時(shí)能量和短時(shí)過(guò)零率的方法，音頻事件的特征提取則大多沿用處理語(yǔ)音信號(hào)的方法，如梅爾頻率倒譜系數(shù)(Mel-Frequen

2、c Cepstrum Coefficient，MFCC)、線性預(yù)測(cè)倒譜系數(shù)(LinearPrediction Cepstrum Coefficient，LPCC)等。由于音頻事件既包含語(yǔ)音信號(hào)又包含很多的非語(yǔ)音信號(hào)。因此，基于語(yǔ)音處理的傳統(tǒng)的端點(diǎn)檢測(cè)和特征提取放過(guò)存在著明顯的不足。針對(duì)以上的問(wèn)題，本文提出了基于貝葉斯驚奇模型的音頻事件檢測(cè)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(lèi)(SparseRepresentation Cl

3、assification，SRC)算法對(duì)音頻事件進(jìn)行分類(lèi)識(shí)別。
　　本文研究的主要內(nèi)容及主要?jiǎng)?chuàng)新點(diǎn)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(diǎn)檢測(cè)方法。由于“顯著”音頻事件在一段音頻信號(hào)中相對(duì)于背景聲音具有一定的顯著性。本文就從音頻信號(hào)的調(diào)頻-調(diào)幅模型的基礎(chǔ)上利用Teager能量算子和能量分離算法提取音頻信號(hào)的顯著性特征，進(jìn)而通過(guò)驚奇模型對(duì)特征進(jìn)行分析，得到音頻信號(hào)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(guò)對(duì)“顯著”音頻事件聲譜圖特性的分析，認(rèn)為不同的異常聲音片段聲譜圖的時(shí)頻結(jié)構(gòu)在朝向和細(xì)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(zhuǎn)換為聲譜圖，然后采用2D-Gabor濾波器對(duì)異常聲音片段聲譜圖的時(shí)頻結(jié)構(gòu)進(jìn)行描述，加強(qiáng)聲譜圖的特征信息量，進(jìn)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(duì)“顯著”音頻事件識(shí)別研究的特征參