[发明专利]一种基于FPGA的实时声音分类方法及系统

权利要求书

1.一种基于FPGA的实时声音分类方法，其特征在于，包括如下步骤：

S1、获取声音数字数据；

S2、提取所获取的声音数字数据中的声音特征，获得声音特征图；

S3、获取声音特征图进行分类计算，获取声音判断概率，具体方式为：

S31、对声音特征图进行填充，获得声音特征的填充特征图；

S32、将填充特征图经过卷积层计算后，通过激活函数再进行最大池化得到进一步的声音特征图；

S33、重复多次上述步骤得到三维的声音特征图，具体重复方式为：

将输入的MFSC声音特征图作为第一特征图，其特征图矩阵的边缘进行零填充，其目一是经过3*3卷积核之后可以保持特征图片大小不变，二是可以保留边缘信息，经过填充得到大小为162*66*1的第一填充特征图；

将第一填充特征图经过大小3*3卷积核计算，3*3的卷积核在特征图上滑动，并与其做乘加运算，得到的结果放在特征图的原位置，然后通过Relu6激活函数，对于特征图中小于0的数全部置0，大于6的数全部置6，其余保持不变；再进行最大池化，使用2*2的窗口在特征图上滑动，只保留每个窗口中的最大数，使得特征图的长和宽变为原来的一半，最后得到大小为80*32*64第二特征图，将第二特征图进行零填充，得到大小为82*34*64的第二填充特征图；

将第二特填充征图经过卷积计算，然后通过Relu6激活函数并进行最大池化，得到大小为40*16*128的第三特征图，将第三特征图进行零填充，得到大小为42*18*128的第三填充特征图；

将第三填充特征图经过卷积计算，然后通过Relu6激活函数并进行最大池化，得到大小为40*16*256的第四特征图，将第四特征图进行零填充，得到大小为42*18*256的第四填充特征图；

将第四填充特征图经过卷积计算，然后通过Relu6激活函数并进行最大池化，得到大小为20*8*256的第五特征图，将第五特征图进行零填充，得到大小为22*10*256的第五填充特征图；

将第五填充特征图经过卷积计算，然后通过Relu6激活函数并进行最大池化，得到大小为20*8*256的第六特征图，将第六特征图进行零填充，得到大小为22*10*256的第六填充特征图；

将第六填充特征图经过大小为1*1*128的卷积核计算，然后通过Relu6激活函数并进行最大池化，得到大小为1*8*512的第七特征图，将第七特征图经过卷积计算然后通过Relu6激活函数，得到大小为1*8*128的第八特征图；

将第八特征图经过1*1*128的卷积核计算，并通过激活函数得到大小为1*8*64的第九特征图；

S34、将三维的声音特征图各通道首尾相连，降维形成声音特征数据，具体方式为：

将第九特征图各通道首尾相接，使其由三维降至二维，形成大小为1*512*1的第十特征图；

S35、将声音特征数据通过全连接层，获取不同声音判决的概率，具体方式为：将第十特征图通过全连接层得到6个数值，然后经过sigmoid函数输出6个在0、1之间的事件发生的概率；

S4、根据声音判决最大的概率得到声音的分类结果，具体判决方式为：

根据步骤S35得到三种不同声音判决的概率，其中最大的概率即为声音分类的结果。

2.根据权利要求1所述的一种基于FPGA的实时声音分类方法，其特征在于，所述声音特征的提取过程包括：

S21、采用异步FIFO对输入对声音数字数据进行分帧形成数据帧；

S22、对数据帧进行加窗，得到加窗之后的数据帧；

S23、对加窗之后的数据帧进行快速傅立叶变换，输出两路数据；

S24、将输出的两路数据中包含频域信息的数据分别进行幅度计算，获得声音频域幅度数据；

S25、将声音频域幅度数据进行Mel滤波，输出多个Mel滤波输出；

S26、将多个Mel滤波输出进行对数计算，获得声音特征图。

3.根据权利要求2所述的一种基于FPGA的实时声音分类方法，其特征在于，Mel滤波器包括多个具有Mel尺度的三角带通滤波器，每个三角滤波器的中心频率f(m)之间的间距随m增大而增宽。