[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

说明书

本发明公开了基于音频频谱图的异常声音提取识别方法，涉及异常声音提取识别技术领域，用于解决现有技术中音频信息提取识别方法在进行匹配提取识别语音时精确度不高，所需训练样本很大的问题，本发明包括对音频数据进行预处理；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；获得新特征矩阵；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。本发明中将图像识别技术与音频识别技术结合，所以可以提高对音频信息提取识别的精确度，并减小相应的训练样本。

技术领域

本发明涉及异常声音提取识别技术领域，更具体的是涉及基于音频频谱图的异常声音提取识别方法及装置。

背景技术

随着信息产业与计算机技术的快速发展，图像、视频、音频等多媒体数据的数据量高速增长，并已逐渐成为信息处理领域中主要的信息媒体形式，其中音频信息占有很重要的地位，这时人们面临的不是缺乏多媒体数据，而是如何对浩如烟海的多媒体大数据进行有效的处理、深入分析和充分利用，音频信息的大数据化，一方面为人们的需求提供了条件，但是另一方面也使得人们对于这些音频信息的管理和检索增加了难度。

为了让音频信息更好的为人们所利用，需要相应音频信息的提取识别方法，相应技术中频信息的提取识别方法主要有三类：基于模版匹配的，基于概率统计模型的以及基于判别模型的，动态时间规整(DTW)算法属于模版匹配模型，隐马尔可夫模型(HiddenMarkov Model,HMM)和高斯混合模型(Gaussian Mixture Model,GMM)是基于概率统计的模型,基于判决模型的算法有K均值法、模糊C均值法、支持向量机(Support Vector Machine,SVM)、神经网络等，上述音频信息的提取识别方法可以对音频信息进行提取。

但是，相应技术中的音频信息提取识别方法在进行匹配提取识别语音时精确度不高，而且所需训练样本也很大。

发明内容

本发明的目的在于：为了解决现有技术中音频信息提取识别方法在进行匹配提取识别语音时精确度不高，所需训练样本很大的问题，本发明提供基于音频频谱图的异常声音提取识别方法及装置，以能提高对音频信息提取识别的精确度，并减小训练样本。

本发明为了实现上述目的具体采用以下技术方案：

基于音频频谱图的异常声音提取识别方法，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，对频谱动画图进行强化降噪处理，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。

进一步的，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；