[发明专利]一种基于机器学习的声事件检测系统及方法

权利要求书

1.一种基于机器学习的声事件检测方法，其特征在于，该方法具体包括以下步骤：

S1：拾音模块完成音频采集；

S2：识别模块先将采集的音频进行数据增强处理，然后根据构建训练完的机器学习识别模型对采集的音频进行识别；

S3：后台管理模块将识别模型预测的结果进行展示。

2.根据权利要求1所述的一种基于机器学习的声事件检测方法，其特征在于，所述步骤S2中，数据增强处理具体包括：利用不同的噪声源对训练数据进行加噪，然后再利用OMLSA降噪系统对带噪数据进行降噪，之后输入识别模型作为训练数据。

3.根据权利要求2所述的一种基于机器学习的声事件检测方法，其特征在于，所述OMLSA降噪系统对带噪数据进行降噪的过程包括：首先将带噪数据进行分帧加窗，然后做短时傅里叶变换得到频谱信息，其次利用自适应滤波原理估计噪声的频谱增益从而达到降噪的效果，最后将输出的频谱数据通过IFFT、窗口合成和去重叠的操作，得到增强的音频数据。

4.根据权利要求1所述的一种基于机器学习的声事件检测方法，其特征在于，所述步骤S2中，构建和训练机器学习识别模型具体包括：首先从输入音频中提取MFCCs特征和频谱特征，然后经过DNN和CRNN网络进行建模，最后通过模型融合的方法将两者融合。

5.根据权利要求4所述的一种基于机器学习的声事件检测方法，其特征在于，所述DNN网络由全连接层和非线性激活层构成；DNN的输入是扁平化的特征矩阵，它输入到d个隐藏的全连接层中，每个层有n个神经元；每个全连接层后面采用一个基于整流线性单元的激活函数；首先利用滑动窗口将输入数据流划分为多个数据帧；输出是一个线性laver，接着是一个软最大层，产生k个声音事件的输出概率。

6.根据权利要求4所述的一种基于机器学习的声事件检测方法，其特征在于，所述CRNN网络由CNN和RNN组合而成，CRNN模型首先是一个卷积层，然后是一个RNN对信号进行编码，最后是一个密集的全连接层来映射信息；最后在输出层使用一个完全连接的层来融合两个网络的输出。

7.一种基于机器学习的声事件检测系统，其特征在于，该系统包括：拾音模块、识别模块和后台管理模块；

所述拾音模块用于完成音频采集的工作，由麦克风和相应的外围电路组成；

所述识别模块由基于机器学习方法的识别模型组成，完成音频的实时识别功能；

所述后台管理模块用于完成识别结果的展示。