[发明专利]一种基于数据增强的声场景辨识方法

摘要

本发明公开了一种基于数据增强的声场景辨识方法，包括下列步骤：首先采集并标注不同声场景的音频样本；然后预处理，对音频样本进行预加重、分帧和加窗处理；接着进行数据增强，提取各音频样本的谐波源和冲击源，得到更充足的音频样本，从音频样本及其谐波源和冲击源中提取对数梅尔滤波器组特征，再将上述三个特征堆叠成一个三通道的高维特征，接着采用混合增强技术构造更丰富的训练样本；最后将上述三通道高维特征输入到Xception网络进行判决，辨识出各音频样本所对应的声场景。本发明的数据增强方法可以有效提高Xception网络分类器的泛化能力，稳定网络的训练过程。在对声场景进行辨识时，本方法可取得更优的辨识效果。

主权项

1.一种基于数据增强的声场景辨识方法，其特征在于，所述的声场景辨识方法包括：S1、音频样本准备步骤，利用录音设备在不同声场景采集音频样本，并进行人工标注，然后将上述音频样本划分为训练集和测试集；S2、预处理步骤，分别对训练集和测试集中音频样本进行预加重、分帧、加窗处理；S3、数据增强步骤，分离各音频样本的谐波源和冲击源，再分别提取音频样本、谐波源、冲击源的对数梅尔滤波器组特征，再将上述三个对数梅尔滤波器组特征堆叠成一个三通道的高维特征，接着采用混合增强技术构造新的训练样本数据；S4、声场景辨识步骤，将上述各音频样本的三通道高维特征输入已训练好的Xception网络，得到各音频样本的声场景类别。