[发明专利]一种声学场景分类方法

说明书

本发明公开了一种声学场景分类方法，包括以下步骤：首先针对采用参考设备录制的场景数据，训练基本场景分类模型；然后根据采用移动设备录制的场景数据，训练设备独立场景分类模型；根据训练好的设备独立场景分类模型，训练设备分类模型；利用训练好的设备分类模型提取设备特性，结合设备分类模型，获得设备识别模型；所有模型建立之后，进行数据自动录制并收集存储，并对收集的录制数据进行声学场景命名，并存储至云端；根据用户参数，获得个性化定制的场景分类模型。本发明提供了一种声学场景分类方法，加入设备分类和识别功能，对用户的使用设备及数据收集和整理，定制特定的声学场景分类模型，提升系统性能，为用户带来较佳的体验感。

技术领域

本发明涉及声学场景分类领域，尤其涉及一种声学场景分类方法。

背景技术

随着智能语音技术的快速发展和人工智能相关应用的兴起，声学场景分类技术已逐渐被应用到人们的日常生活中。声学场景分类技术是利用音频信号处理和深度学习技术完成对声学场景(家庭、公园和街道场景等)的识别与分类，从而达到识别周围环境的目的。

声学场景分类技术在人们的生活中有着广泛的作用，如上下文感知服务、可穿戴智能设备和机器人导航系统等。在基于场景分类的自适应降噪技术中，若判断当前场景为机场，自动开启机场去噪模式，若判断为街道场景，则开启街道去噪模式；HUAWEI 动态降噪耳机，利用ASC技术快速辨认周围环境，主动切换到恰当的降噪模式，削弱安静场景下的空调、冰箱等机器噪声，削弱地铁和飞机带来的重低频噪声，使用户静享安逸，远离喧嚣。在基于场景的ASR技术中，智能机器可以自主加载特定声学环境下的声学模型，以达到对该场景下语音的精准识别。ASC技术也用于盲人助听器和机器人轮椅时，设备可根据周围环境变化进行功能自主调节。以上所述这些技术均可大幅提升用户体验和产品满意度。

基于深度学习的声学场景分类技术可以充分学习声场谱图中的信息，提高声学场景类别准确率。深度神经网络中的分类模型是样本到样本标签的一个映射关系，通常为“街道交通”、“机场”、“购物中心”、“火车”、“地铁”和“公交车”等等，在得到分类结果时，也会统计在不同录音设备下的场景分类准确度。但在实际应用中，收集的场景数据常由不同的录音设备进行录制，而设备引起的失真导致不同类别间的混淆程度的加重，因此基于多设备的声学场景分类模型性能仍然不佳，难以达到实际应用所需要的精准度。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是现有技术中存在的收集场景数据常因不同设备录制而引起的失真，从而导致不同类别间的混淆程度加重，且多种设备的声学场景分类模型性能不佳，难以达到实际所需的精度。因此，本发明提供了一种声学场景分类方法，将设备特性分类和自动识别功能加入到声学场景分类模型的构建和训练过程中，提升声学场景分类模型的性能和自适应能力。其在使用过程中，能对用户的使用设备及数据进行自动收集和整理，为每位用户定制特定的声学场景分类模型，使模型更大程度忽略特定设备引起的失真，提升系统性能，为用户带来较佳的体验感。

为实现上述目的，本发明提供了一种声学场景分类方法，包括以下步骤：

首先针对采用参考设备录制的场景数据，训练基本场景分类模型；

然后根据采用移动设备录制的场景数据，训练设备独立场景分类模型；

根据训练好的设备独立场景分类模型，训练设备分类模型；

利用训练好的设备分类模型提取设备特性，结合设备分类模型，获得设备识别模型；

所有模型建立之后，进行数据自动录制并收集存储，并对收集的录制数据进行声学场景命名，并存储至云端；

根据用户参数，获得个性化定制的场景分类模型。

进一步地，首先针对采用参考设备录制的场景数据，训练基本场景分类模型，具体包括：