基于多频带信号重构的生态声音识别方法

摘要

本发明涉及一种基于多频带信号重构的生态声音识别方法，首先，使用OMP稀疏分解作第一阶段重构，保留前景声音的主体结构；其次，将前阶段分解的剩余分量按频带划分，根据前景声音和背景噪声的频率分布，对重构信号进行自适应补偿，完成第二阶段重构；最后，根据支撑集原子时频信息和频域信息提取复合抗噪特征，使用深信度网对生态声音在不同环境和信噪比情境下进行分类识别。本发明采用二次重构不仅能抑制噪声，并且提高了对前景声音的重构精度，在自然环境下具有较好的噪声鲁棒性。

主权项

一种基于多频带信号重构的生态声音识别方法，其特征在于，包括以下步骤：S01：分别对纯净声音和测试带噪声音进行OMP稀疏分解，对应输出纯净声音和测试带噪声音的重构信号和OMP特征；S02：对纯净声音提取包括OMP特征在内的复合特征并进行DBN模型训练；S03：提取测试带噪声音进行OMP稀疏分解后的残余信号的功率谱并进行多频带补偿；S04：提取测试带噪声音进行OMP稀疏分解后的重构信号的功率谱，并结合所述步骤S03中进行多频带补偿后的残余信号的功率谱进行二次重构；S05：对所述步骤S04中二次重构后的信号进行提取包括OMP特征在内的复合特征；S06：对所述步骤S02中进行DBN模型训练后提取的复合特征和所述步骤S05中提取的包括OMP特征在内的复合特征进行DBN模型分类，输出测试带噪声音所属的生态声音类别；假设待分解带噪声音信号f，长度为N，进行稀疏分解之前，首先构造过完备原子字典D＝(g_γ)_γ∈Γ，时频原子g_γ是Gabor原子，由参数组γ＝(s,u,v,w)定义，平移因子u定义一个原子g_γ的中心位置，伸缩因子s，频率因子v和相位因子w定义其波形，其离散化时频参数γ＝(s,u,v,w)＝(a^j,pa^jΔu,ka^‑jΔv,iΔw)，其中，0＜j≤log₂N，0≤p≤N2^‑j+1，0≤k＜2^j+1，0≤i≤12，a＝2，Δu＝1/2，Δv＝π，Δw＝π/6；所述步骤S01具体步骤包括：S011：初始化信号残差R₀y'＝f，迭代次数k＝1，最大迭代次数L；S012：从过完备原子字典D中选出第k次迭代与信号残差最为相关的原子g_γk，$|<R_k{y}^{\prime },g_{\gamma k}>|\ge \alpha \underset{\gamma \in \Gamma }{sup}|<R_k{y}^{\prime },g_{\gamma }>|,$0＜α≤1；S013：判断||R_ky'||＜ε，ε＞0是否成立，ε为设定的残余信号阈值，若||R_ky'||＜ε成立，则转步骤S016结束分解，若不成立，继续分解；S014：利用Gram‑Schmidt方法将g_γk关于已选原子集g_γp,0＜p≤k正交化得到投影P_k并分别计算新的近似重构信号y'＝P_kf和残差R_k+1y'＝f‑y'；S015：若还未达到最大迭代次数，设置k＝k+1，返回步骤S012继续迭代，否则转步骤S016；S016：通过逐次分解得到一系列原子，输出第L次近似原子展开式其中Pn为用于重构信号的原子支撑集进行加权组合的展开系数；所述提取包括OMP特征在内的复合特征具体方法为：提取包括OMP特征、MFCCs特征和基音特征的复合特征；其中，提取OMP特征的方法是利用OMP分解每一帧声音信号，获得表示该帧信号的支撑集前L个原子时频参数组中伸缩因子s和频率因子v的均值和标准差，构成4维OMP特征，其中，λ为信号的帧索引，i为表示该帧信号的原子索引，L为原子数，σ为伸缩因子s和频率因子v的标准差；选取MFCCs补充OMP特征使用，首先采用24阶Mel滤波器组，对重构信号作离散傅里叶变换后得到12维MFCCs静态特征，再加上对数能量作为其第13维特征；选取PITCH补充OMP特征使用，采用循环平均幅度差函数法获得每帧对应的1维PITCH特征；所述DBN模型训练包括两个步骤，第一步采用无监督逐层贪心的策略进行预训练，将已标记好的生态声音特征初始化DBN最底层的可见层节点的状态值，这样使得具体特征逐渐抽象化；第二步使用正确标注信息有监督的训练BP网络，并将修正信息自顶向下的传播至每一层RBM进行微调。