[发明专利]一种基于自编码器的工业场景异常声音检测与识别方法

说明书

本发明提出了一种基于自编码器的工业场景异常声音检测与识别方法，该方法包括三个过程：声音特征的提取、工业场景声音建模和异常声音的检测与识别。工业场景的声音特征提取，预处理之后的每帧信号经互补集合经验模态分解，得到若干层固有模态函数(Intrinsic Mode Function,IMF)分量，将各层IMF分量的短时能量、IMF能量与该帧原始信号的能量比和IMF的梅尔倒谱系数取合集，构成目标声音信号的特征向量；用提取的特征向量训练自编码器，调整编码器和解码器的参数，得到正常场景声音模型和特定异常场景声音模型；异常声音检测与识别，将待测声音特征经过训练好的自编码器，通过重构误差的阈值条件判定待测声音是否为异常声音或某种已知异常声音。

技术领域

本发明涉及声音信号处理技术，具体涉及一种基于自编码器的工业场景异常声音检测与识别方法。

背景技术

声音是一种重要的信息载体，其中蕴含着十分重要的信息。同时异常事件的发生往往会伴随着异常声音的产生，例如公共场景下的异常事件往往伴有爆炸声、尖叫声、玻璃爆炸声。同样在工业场景下，正常运行下的各种设备会产生规则的振动，其声音特征有一定的规律，一旦发生了机器损坏或其他异常事件，工业场景的声音特征将会发生改变，因此检测并识别声音信号中的异常声音对工业场景的安全监控具有重要作用。

目前，许多异常声音的识别采用梅尔倒谱系数(MFCC)、线性预测系数(LPC)、短时能量和短时平均过零率等时域和频域特征作为声音信息的特征。但异常声音具有高度的非平稳性和非线性，导致单一特征的提取会使最终的识别效率降低。因此对于声音特征的提取既需要结合提取的不同类型的特征，同时也需要突出各类特征的作用，这样才能使得提取的特征更适合于异常声音的检测与识别。

经验模态分解(Empirical Mode Decomposition，EMD)是一种自适应信号处理方法，它依据数据自身的时间尺度来进行信号分解，产生多个具有不同特征尺度的数据序列，从本质上对信号进行了平稳化处理，因此比较适合对非线性非平稳信号的处理。互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)是EMD的一种改进算法，能够有效的降低模态混叠，还可以一定程度提高计算速度，并且将IMF进行重构，重构信号与初始信号差别更小，说明其分解效果更好。

自编码器是一种典型的无监督深度学习模型，旨在通过将网络的期望输出(声音特征的重构输出)等同于输入样本(声音特征的输入)，实现对输入样本的抽象特征学习。

发明内容

本发明提出一种基于自编码器的工业场景异常声音的检测与识别方法和系统，有效的提高了工业场景下异常声音检测的泛化性和已知异常声音识别的准确性。

本发明的目的在于填补针对工业场景异常声音检测与识别领域的空缺并改进现有技术的不足，采用互补集合经验模态分解声音信号，综合不同类型的声音特征并突出各类特征的作用，来训练不同类别的自编码器，构建工业场景声音模型，通过训练完成的自编码器来实现对异常的检测和已知异常的识别。

本发明方案具体包括工业场景声音特征提取、工业场景声音建模和异常声音检测与识别三个部分。

声音特征的提取过程为：

对训练数据中工业场景的正常声音样本和已知异常声音样本进行预加重、分帧和加窗。

将每帧信号经CEEMD将其分解成若干层IMF分量。

计算每一层IMF的短时能量、每一层IMF能量与原始信号的能量比值和每一层IMF的MFCC，并取三者的并集构成目标声音信号的特征向量。

工业场景声音建模过程为：

将提取的特征向量输入自编码器；

编码：编码器将输入特征向量X，转换为潜在特征Z；