[发明专利]基于音频频谱图的异常声音提取识别方法及装置

权利要求书

1.基于音频频谱图的异常声音提取识别方法，其特征在于，包括如下步骤：

对音频数据进行预处理，对采用的音频数据进行预处理，并对音频数据进行分类和标记，将预处理后的数据分为训练样本和测试样本；

对训练样本进行时频转换，对训练样本的音频信号进行时频转换，形成频谱动画图；

提取频谱动画图的梯度特征，对频谱动画图进行降噪处理，再进行图像增强和二值化，然后利用短时傅里叶变换进行时频分析，并计算图像水平方向和垂直方向的梯度，形成频谱动画图的特征矩阵，最后分析频谱动画图并提取图像梯度特征；

获得新特征矩阵，对提取出的图像梯度特征进行降维，得到新特征矩阵；

构建模型，通过机器学习算法构建SVM模型；

获得模型，将新特征矩阵作为输入，音频数据的标记作为预期输出，使用SVM模型进行训练，得到异常声音识别模型。

2.根据权利要求1所述的基于音频频谱图的异常声音提取识别方法，其特征在于，所述并计算图像水平方向和垂直方向的梯度包括：

分别使用f₁＝(一1，0，1)和f₂＝(-1，0，1)^T作为卷积核，与提取出的骨皮质图像做卷积得到x方向的梯度g_x和y方向的梯度g_y；

设像素点(x，y)的像素值为H(x，y)，则水平方向的梯度G_x(x，y)和垂直方向梯度G_y(x，y)分别表示为：

G_x(x，y)＝(H(x-1，y)，H(x，y)，H(x+1，y))·(-1，01)＝H(x+1y)-H(x-1，y)

G_y(x，y)＝(H(x，y-1)，H(x，y)，H(x，y+1))T·(-1，0，1)T＝H(x，y+1)-H(x，y-1)

其中，T表示转置。

3.根据权利要求2所述的基于音频频谱图的异常声音提取识别方法，其特征在于，所述形成频谱动画图的特征矩阵包括：

每个像素点的图像梯度的辐值G(x，y)和方向θ(x，y)可以由下式得到：

将图像分成若干像素块，并把每个像素块中各像素的辐值与角度对应到九个数的数组中，得到新的矩阵就是该图像的特征矩阵。

4.根据权利要求1所述的基于音频频谱图的异常声音提取识别方法，其特征在于，所述通过机器学习算法构建SVM模型包括：

划分超平面，在给定的样本空间中，通过如下的线性方程划分超平面，

ω^T·x+b＝0

其中，ω＝(ω₁，ω₂，...，ω_d)为特征向量，b为位移项；

求解最大几何间隔，通过如下公式求解最大几何间隔：

s.t.，y_i(ω^T·x_i+b)≥1，i＝1，...，n

其中，n为训练样本数；

建立拉格朗日公式，通过如下公式建立拉格朗日公式：

其中，α代表α_i的集合，α_i表示第i个拉格朗日乘子，x_i表示超平面上点的横坐标，y_i表示超平面上点的纵坐标，s.t.为约束条件；

优化目标变为：

求对偶问题为：

对ω、b求极小值，即对ω、b求偏导，则得到：

把ω、b回代入L(ω，b，α)得到SVM模型为：

5.根据权利要求4所述的基于音频频谱图的异常声音提取识别装置，其特征在于，包括：

对音频数据进行预处理模块，用于对采用的音频数据进行预处理，并对音频数据进行分类和标记，将预处理后的数据分为训练样本和测试样本；

对训练样本进行时频转换模块，用于对训练样本的音频信号进行时频转换，形成频谱动画图；

提取频谱动画图的梯度特征模块，用于对频谱动画图进行降噪处理，再进行图像增强和二值化，然后利用短时傅里叶变换进行时频分析，并计算图像水平方向和垂直方向的梯度，形成频谱动画图的特征矩阵，最后分析频谱动画图并提取图像梯度特征；

获得新特征矩阵模块，用于对提取出的图像梯度特征进行降维，得到新特征矩阵；

构建模型模块，用于通过机器学习算法构建SVM模型；

获得模型模块，用于将新特征矩阵作为输入，音频数据的标记作为预期输出，使用SVM模型进行训练，得到异常声音识别模型。