[发明专利]基于堆叠基稀疏表示的音频事件分类方法及计算机设备

摘要

本发明公开了基于堆叠基稀疏表示的音频事件分类方法及计算机设备，该方法在训练阶段首先创建各类音频事件的音频字典；然后，通过将各类音频事件的音频字典进行堆叠构建大型字典；测试阶段，根据训练阶段构建的大型字典提取测试音频样本的稀疏表示系数，并通过softmax函数对稀疏表示系数进行映射；最后，根据映射后的系数构建测试音频文档在各类音频事件上的置信度，并根据置信度的大小进行分类判别。本发明创新性地提出通过堆叠基构建大型字典，进而求得样本的稀疏表示系数；如此提取的稀疏表示系数能更好地表征音频事件样本，增大样本的类间差异，减少类内差异，提高分类准确率。

主权项

基于堆叠基稀疏表示的音频事件分类方法，其特征是，包括：步骤(1)：训练音频分帧处理：对训练音频文档进行分帧处理，每帧作为一个训练音频样本；步骤(2)：对训练音频文档中的每个训练音频样本进行训练音频特征提取，用提取的训练音频特征表征训练音频样本；步骤(3)：通过堆叠基构建大型音频字典；步骤(4)：对测试音频文档进行和步骤(1)同样的分帧处理，每帧作为一个测试音频样本；步骤(5)：对测试音频文档中的每个测试音频样本进行测试音频特征提取，用提取的测试音频特征表征测试音频样本；步骤(6)：根据步骤(3)构建的大型音频字典，利用正交匹配追踪算法求得测试音频样本的稀疏表示系数；步骤(7)：通过softmax函数对稀疏表示系数进行映射；步骤(8)：通过映射后的稀疏表示系数求得每个测试音频样本在各类音频事件上的置信度；步骤(9)：通过对测试音频文档内所有音频样本的置信度取平均，求得测试音频文档在各类音频事件上的置信度；步骤(10)：求测试音频文档在各个音频事件类上的置信度的最大值，将测试音频文档的音频事件类判别为具有最大置信度值的音频事件类。