[发明专利]一种公共场所异常声音特征提取及识别方法

摘要

本发明涉及一种公共场所异常声音的提取及识别方法，对极点对称模态分解(ESMD)进行改进，简称D‑ESMD，其特点是：在公共场所异常声音中加入随机T分布序列信号，减小公共场所背景噪声对异常声音特征提取的影响；针对原始ESMD在分解异常声音时，分解效果欠佳的问题，提出对称中点插值替代极值中点奇偶插值方法，提高异常声音分解效率与识别率；针对原始ESMD在有效分解模态选择上的缺陷，提出基于排列熵算法对ESMD分解得到的模态进行复杂性检测，自适应得到异常声音有效模态分量。利用本发明可以充分描述异常声音的特征，并得到较好的分类识别结果，更能够准确提取异常声音的特征，并且对环境背景噪声具有较好的鲁棒性。

主权项

1.一种公共场所异常声音特征提取及识别方法，其特征在于，包括：公共场所待识别异常声音分解、特征提取和识别；具体实现步骤如下：/n步骤1：输入公共场所待识别异常声音并进行预处理；/n步骤2：采用改进的极点对称模态分解D-ESMD方法将待识别异常声音信号进行分解，得到各阶模态分量，每阶模态分量分别包含异常声音信号在不同频率段的特征；/n步骤3：计算步骤2中得到的各阶模态分量相对于原始异常声音信号的能量比，并组合成向量形式进行归一化处理，作为待识别异常声音信号的特征向量；/n步骤4：判断特征向量是否有效；若无效，跳转到步骤3；若有效，执行步骤5；/n步骤5：公共场所待识别异常声音的识别过程：首先，在已经建立的异常声音库中随机选取每一类并且一定数量的训练样本，通过步骤2和步骤3求取其训练样本的特征向量并建立SVM分类模型；然后，利用建立的SVM分类模型对待识别异常声音的特征向量进行分类，得到分类识别结果；/n所述的D-ESMD分解方法是在极点对称模态ESMD分解方法基础上，添加随机T分布噪声序列于公共场所待识别异常声音当中，采用对称中点插值方法替代ESMD的极值中点奇偶插值方法，对分解的模态分量计算排列熵值，并且改进模态分量筛选次数，进而完成各模态的复杂性检测，自适应得到异常声音有效模态分量；/n所述的异常声音库中包括爆炸声、尖叫声、枪声、玻璃破碎声；/n所述的D-ESMD分解方法的具体过程为：/n步骤2.1确定添加T分布随机噪声次数N；/n步骤2.2假设待识别异常声音信号为x，添加随机的T分布序列于待识别声音信号x中，得到加噪的异常声音信号X