[发明专利]基于N-DenseNet和高维mfcc特征的城市声音事件分类方法

摘要

本发明提供一种基于N‑DenseNet和高维mfcc特征的城市声音事件分类方法，其在处理音频数据时能提供更丰富、更有效的特征信息，模型有更强的泛化能力，分类具有更高的准确率。其包括：S1：采集待处理音频数据，对原始音频信号进行预处理，输出音频帧序列；S2：对音频帧序列进行时域和频域分析，提取高维梅尔频率倒谱系数，输出特征向量序列；S3：构建声学模型，并对声学模型进行训练，得到训练好的声学模型；S4：将步骤S2中输出的特征向量序列经过处理后，输入到训练好的声学模型中进行分类识别，得到的识别结果即为声音事件的分类结果；其特征在于：声学模型是以DenseNet模型为基础，结合N阶马尔可夫模型的特点构建的网络模型，即为N阶DenseNet模型。

主权项

1.基于N‑DenseNet和高维mfcc特征的城市声音事件分类方法，其包括以下步骤：S1：采集待处理音频数据，对原始音频信号进行预处理，输出音频帧序列，所述预处理操作包括：采样与量化、预加重处理、加窗；S2：对所述音频帧序列进行时域和频域分析，提取高维梅尔频率倒谱系数，输出特征向量序列；S3：构建声学模型，并对所述声学模型进行训练，得到训练好的声学模型；S4： 将步骤S2中输出的所述特征向量序列经过处理后，输入到所述训练好的声学模型中进行分类识别，得到的识别结果即为声音事件的分类结果；其特征在于：所述声学模型是以DenseNet模型为基础，结合N阶马尔可夫模型的特点构建的网络模型，即为N阶DenseNet模型；每个所述声学模型内设置多个N阶DenseBlock连接，每个所述N阶DenseBlock中层与层的连接基于N阶马尔可夫链的相关性连接，当前特征图层输出与前N个特征图层输入相关；因此，若要建立N阶DenseBlock，必须使DenseBlock中特征图层个数大于N；当所述N阶DenseNet模型中的每个所述N阶DenseBlock有j个特征图层；设从第1个所述特征图层到第j个所述特征图层的输入记作[x₀, x₁, x₂, …, x_i]，从第1个所述特征图层到第j个所述特征图层的输出记作[H₁, H₂, H₃, …, H_j]；则当N = 1的时候，H_j的表达公式为：上式中：i = j‑1，N、i、j为正整数；当N > 1的时候，H_j的表达公式为：上式中：N > 1，i = j‑1，N、i、j为正整数。