[发明专利]一种基于大规模养殖场厂哺乳动物异常声音监测方法

权利要求书

1.一种基于大规模养殖场厂哺乳动物异常声音监测方法，其特征在于：包括以下几个部分：

步骤一、谱图分析：对采集来的音频进行频谱、时频谱分析，以确定声音识别方案的可行性；

步骤二、音频降噪：对音频降噪处理，除去背景噪声，提高声音识别的准确性；

步骤三、无监督音频分割：简化音频处理过程，无需手动切分即可得到包含所需声音事件的音频段；

步骤四、音频特征提取：对音频采用的特征提取技术为Mel频率倒谱系数；

步骤五、无监督分类：采用的无监督分类方法为K均值算法；

所述的无监督音频分割包括如下步骤：

第一步：提取短时特征，对每个帧长为25ms短时窗口进行特征提取，得到34维的特征向量，包括3维时域特征和31维的频域特征；

第二步：训练支持向量机，支持向量机模型被训练以区分高能帧和低能帧，首先根据特征提取中每帧的能量，取出能量最高的前10％和能量最低的后10％，分别标记为高能帧和低能帧，进而用这些标记的数据作为训练集，训练二分类的支持向量机来区分高能帧和低能帧；

第三步：用训练好的支持向量机分类器应用到整段音频，输出一系列概率值，这些概率值对应于各个短时帧属于音频事件的置信水平，得到整段音频中每帧信号属于音频事件可能性大小的连续概率曲线，横轴表示的对应音频的时间轴，纵轴对应于支持向量机预测出的概率值；

第四步：动态阈值处理用于检测音频事件，通过对第三步得到的每帧为音频事件的概率值，设置不同的平滑系数Smoothing和概率阈值系数Weight，得到不同的概率曲线，确定了分割效果较好的平滑系数0.5和概率阈值系数0.3进行切分；

所述的无监督分类的步骤如下：采用的无监督分类方法为K均值算法，对提取的Mel频率倒谱系数进行标准差归一化的预处理后，进行无监督的聚类方法进行分类，包括以下四步：

第一步：随机选择k个初始中心点；

第二步：遍历所有样本，把每个样本划分到最近的中心点；

第三步：计算每个聚类的平均值，并作为新的中心点；

第四步：重复第二步、第三步、至这k个点不再变化，即算法收敛。

2.根据权利要求1所述的一种基于大规模养殖场厂哺乳动物异常声音监测方法，其特征在于：所述的谱图分析具体为：采用Audacity软件打开音频文件，选择Spectrogram选项即可快速做出声音信号的时频谱图，时频谱即声谱图，横轴表示时间，纵轴表示频率，谱图颜色的深浅代表能量大小，反映出声音的三维信息，即是信号的原始特征，分别作出不同类别声音信号的频谱，通过分析得到不同类别声音的谱图特征存在有明显的差异，利用这些差异性对声音信号进行特征提取，分类识别。

3.根据权利要求1所述的一种基于大规模养殖场厂哺乳动物异常声音监测方法，其特征在于：所述的音频降噪操作具体为：降噪用Audacity软件实现，先获取一段时间背景噪声的特征，再应用到整段音频上。

4.根据权利要求1所述的一种基于大规模养殖场厂哺乳动物异常声音监测方法，其特征在于：所述的音频特征提取具体为：对音频采用的特征提取技术为Mel频率倒谱系数，Mel频率倒谱系数是在Mel标度频率域提取出来的倒谱参数；

标准的倒谱参数Mel频率倒谱系数只反映了语音参数的静态特性，语音的动态特性用这些静态特征的差分谱来描述，采用的Mel频率倒谱系数参数的全部组成为：N维Mel频率倒谱系数参数+帧能量，其中N维Mel频率倒谱系数参数为N/3Mel频率倒谱系数+N/3一阶差分参数+N/3二阶差分参数，离散余弦变换的阶数取13，经一阶和二阶差分后即为39维，加上帧能量，最后用于分类的音频特征为40维的Mel频率倒谱系数特征向量。