[发明专利]一种基于神经网络的高斯混合模型的噪声分类方法

说明书

技术领域

本发明涉及一种说话人识别方法，特别涉及一种基于神经网络的高斯混合模型的噪声分类方法。

背景技术

降低各类城市环境噪声是现代化城市环境保护的重要指标之一，直接影响到城市形象。城市环境噪音监测系统是城市必不可少的公用设施。噪音监测系统的应用，可提高环境保护的硬件水平，增强城市环境保护的可靠性和可控性。根据在城市不同点的不间断监测，能实时发现违反噪音分贝的现象，提高环境保护的工作效率。

在噪声分类的方法上，基于高斯混合模型(GMM)方法越来越受到重视，由于它具有识别率高，训练简单，训练数据量要求不大等优点，已经成为目前主流的噪声分类方法。由于高斯混合模型(GMM)具有很好的表示数据的分布的能力，只要有足够多的项，足够多的训练数据，GMM就能够逼近任何分布模型。但是，实际使用GMM时存在几个问题。首先，GMM没有利用语音的时间信息，训练和识别的结果与特征向量的输入顺序无关；其次，在GMM训练时，我们总是假设特征向量互相是独立的，这明显不合理；另外，由于我们在选择GMM模型时，混合项数目的选取也没有好的指导原则，要取得好的结果就要求高斯混合项足够多。

神经网络在噪声分类方面也占有重要的位置，多层感知器、射线基网络和自联想神经网络等已经成功应用于噪声分类，它充分利用了特征向量序列的时序信息，对特征向量进行学习和变换，使变换后的特征向量以某种方式(通常为极小最小二乘法)逼近目标向量。但是目前GMM和自联想神经网络(AANN)只是单独用于噪声分类，还没有出现结合二者各自的优点，从而更好地提高噪声分类效果的方法出现。

发明内容

本发明的目的就在于解决现有技术的缺陷，提出了一种基于神经网络的高斯混合模型的噪声分类方法。本发明的技术方案是：

一种基于神经网络的高斯混合模型的噪声分类方法，其包括以下步骤：

(1)预处理与特征提取；

首先，使用了基于能量和过零率的方法进行静音检测，并对噪声信号进行预加重，分帧，并进行线性预测(LPC)分析，然后从得到的LPC系数中求出倒谱系数作为噪声分类的特征向量。

(2)训练；

训练时，将提取出的特征向量经过延迟后作为AANN的输入，AANN学习特征向量的结构，提取特征向量序列的时间信息。然后把学习结果以残差特征向量的形式提供给GMM，采用最大期望(EM)准则进行GMM模型训练，并且利用带惯性的向后反演方法更新AANN网络的权系数。具体训练过程如下：

(2-1)确定GMM模型和AANN结构：

一个M阶GMM的概率密度函数是由M个高斯概率密度函数加权求和得到的，可以用如下形式表示：

p(xt|λ)=Σi=1Mpibi(xt)]]>

上式中x_t为D维特征向量，这里D＝13；b_i(x_t)是成员密度函数，其为均值矢量为u_i，协方差矩阵为∑_i的高斯函数；