改進(jìn)的ESMD用于公共場所異常聲音特征提取.pdf

1、目前，世界各國都把對公共場所的安全監(jiān)控作為國家安全的重要內(nèi)容，我國大部分地區(qū)安裝了以視頻為主的公共安全監(jiān)控平臺(tái)。當(dāng)公共場所環(huán)境下發(fā)生異常事件時(shí)常伴有尖叫聲、槍聲、玻璃破碎聲、爆炸聲等異常聲音。如果能及時(shí)檢測和識(shí)別異常聲音，進(jìn)而迅速觸發(fā)視頻監(jiān)控系統(tǒng)對事件現(xiàn)場進(jìn)行定點(diǎn)拍攝，則可大大改善目前視頻監(jiān)控存在的諸多問題?？梢?，對公共場所異常聲音的有效監(jiān)控是現(xiàn)有公共安全視頻監(jiān)控的有效補(bǔ)充。本文涉及的公共場所環(huán)境下異常聲音特征提取方法研究，是這一領(lǐng)域的

2、核心技術(shù)。目前對異常聲音的特征提取采用語音處理參數(shù)或者不同參數(shù)的組合。然而，公共場所異常聲音信號(hào)有較大部分為非語音信號(hào)如槍聲、玻璃破碎聲、爆炸聲等。為此，有必要開展基于非語言信號(hào)處理方法對異常聲音特征提取的研究。本文根據(jù)異常聲音及公共場所背景噪聲特性，提出一種改進(jìn)的極點(diǎn)對稱模態(tài)分解方法(Developed extreme-point symmetric mode decomposition， D_ESMD)，用于提取幾種典型的公共場所異

3、常聲音特征，以提高其分類識(shí)別能力。
　　本研究主要內(nèi)容包括：①公共場所背景噪聲及典型異常聲音特性分析。收集無噪聲的槍聲、尖叫聲、玻璃破碎聲、爆炸聲四種典型異常聲音信號(hào)以及不同公共場合下的背景噪聲數(shù)據(jù)，建立異常聲音數(shù)據(jù)庫與背景噪聲數(shù)據(jù)庫；對槍聲、尖叫聲、玻璃破碎聲及爆炸聲信號(hào)，在時(shí)域、時(shí)頻域、倒譜域等進(jìn)行樣本統(tǒng)計(jì)分析，得到四種異常聲音信號(hào)的相似性與差異性；對銀行、自助取款機(jī)(Automatic Teller Machine，ATM)

4、、零售商店、辦公室四類公共場所背景噪聲樣本進(jìn)行時(shí)頻域分析，驗(yàn)證了公共場所背景噪聲分布模型可以用隨機(jī)t分布模型描述的結(jié)論。②提出一種改進(jìn)的極點(diǎn)對稱模態(tài)分解方法(D_ESMD)用于公共場所異常聲音特征提取。公共場所背景噪聲將影響異常聲音信號(hào)的分布特性，在一定程度上淹沒異常聲音信號(hào)的部分極值點(diǎn)。當(dāng)采用極點(diǎn)對稱模態(tài)分解(Extreme-point symmetric mode decomposition，ESMD)分解公共場所異常聲音時(shí)，得到的

5、各階模態(tài)分量中包含背景噪聲，這將影響異常聲音特征提取，使識(shí)別的準(zhǔn)確率降低。提出基于t分布的極點(diǎn)對稱模態(tài)分解方法用于公共場所背景噪聲去噪。通過多次添加隨機(jī)的t分布噪聲序列于到原始信號(hào)當(dāng)中，再采用ESMD算法進(jìn)行分解，以降低背景噪聲的幅值分布對異常聲音信號(hào)的影響。提出基于排列熵的 ESMD分解模態(tài)的篩選方法。背景噪聲導(dǎo)致異常聲音信號(hào)分解過程中產(chǎn)生了無用的偽分量和噪聲分量，分解耗時(shí)較長。提出在ESMD分解具有噪聲的異常聲音信號(hào)時(shí)，采用排列熵算

6、法計(jì)算每階分解模態(tài)分量的復(fù)雜度，并將此作為區(qū)分背景噪聲分量與異常聲音分量的判定方法，以降低偽分量的影響。提出改進(jìn)ESMD插值方法。原始ESMD采用極值中點(diǎn)插值方法，得到的分解模態(tài)分量在端點(diǎn)以及中點(diǎn)處會(huì)存在一定的差異，而這種差異將會(huì)從端點(diǎn)及中點(diǎn)蔓延至整個(gè)信號(hào)，造成分解模態(tài)的失真。本文提出用對稱中點(diǎn)插值方法替代原有的極值中點(diǎn)插值，可在源頭上提高ESMD的分解準(zhǔn)確率。實(shí)驗(yàn)驗(yàn)證了提出的改進(jìn)的極點(diǎn)對稱模態(tài)分解方法用于公共場所異常聲音特征提取是有效