欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2016105250553
申请人: 山东师范大学
专利类型:发明专利
专利状态:已下证
专利领域: 乐器;声学
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于音频事件和主题模型的音频场景识别方法,其特征在于,包括:步骤(1):训练音频场景分类模型;

训练音频场景分类模型的具体过程包括:

步骤(1.1):获取训练音频文档并存储至训练音频文档集中,对训练音频文档集中的训练音频文档进行分帧和提取特征处理,创建音频字典;

步骤(1.2):求取训练音频文档集的音频文档-音频事件共现矩阵;

步骤(1.3):用主题模型PLSA对训练音频文档集的音频文档-音频事件共现矩阵进行主题分析,求得训练音频文档集中每个音频文档的主题分布;

步骤(1.4):将每个音频文档的主题分布作为音频文档的音频特征来训练音频场景分类模型;

步骤(2):求取待识别音频文档的主题分布作为音频特征,并将求取的音频特征代入音频场景分类模型中进行分类识别,最终输出待识别音频文档的音频场景类别。

2.如权利要求1所述的一种基于音频事件和主题模型的音频场景识别方法,其特征在于,在步骤(1.1)中对训练音频文档集中的训练音频文档进行分帧处理的过程中,设置帧与帧之间有50%的重叠。

3.如权利要求1所述的一种基于音频事件和主题模型的音频场景识别方法,其特征在于,在步骤(1.1)中还对训练音频文档集中的训练音频文档提取MFCC特征,在对训练音频文档集中的训练音频文档提取MFCC特征之后,对训练音频文档集里每一音频场景类中的所有帧进行聚类,聚类后取簇质心组成音频字典,簇质心为音频字典的音频字。

4.如权利要求1所述的一种基于音频事件和主题模型的音频场景识别方法,其特征在于,在所述步骤(1.2)中求取训练音频文档集的音频文档-音频事件共现矩阵的过程中,包括:根据音频字典将训练音频文档集中所有帧映射成音频字;

统计训练音频文档集里每个音频文档中各个音频字的出现次数,得到训练音频文档集的音频文档-音频字共现矩阵;

统计训练音频文档集里每个标注的音频事件中各个音频字的出现次数,得到训练音频文档集的音频事件-音频字共现矩阵。对于具有多个音频事件标签的音频帧,其在参与统计音频事件-音频字共现矩阵时,是按比例分配给其内包含的各个音频事件,在标签序列中排序越靠前的音频事件获得的比例成分越大;

采用主题模型PLSA将音频文档-音频字共现矩阵分解成第一子矩阵和第二子矩阵相乘的形式,其中,第一子矩阵为音频事件-音频字共现矩阵,第二子矩阵中的每一列对应一个训练音频文档在各个音频事件上的概率分布;

采用主题模型PLSA对第一子矩阵进行矩阵分解,生成音频事件-主题矩阵,音频事件-主题矩阵的每一列表示一个音频事件在各个主题上的概率分布;

根据音频事件-主题矩阵的每一列中的音频事件-主题分布求取各个音频事件的主题熵;

根据主题熵求取各个音频事件的加权系数;

采用各个音频事件的加权系数对训练音频文档中的音频事件分布进行加权,对加权后的音频事件分布进行归一化,并乘上训练音频文档集中音频帧的总数目,最终得到训练音频文档集的音频文档-音频事件共现矩阵。

5.如权利要求4所述的一种基于音频事件和主题模型的音频场景识别方法,其特征在于,根据音频字典将训练音频文档集中所有帧映射成音频字的方法为:对训练音频文档集中的每个帧,从音频字典中找出与其最近邻的音频字来表示相应的帧。

6.如权利要求1所述的一种基于音频事件和主题模型的音频场景识别方法,其特征在于,所述步骤(2)求取待识别音频文档的主题分布作为音频特征的过程,包括:获取待识别音频文档并存储至待识别音频文档集中,求取待识别音频文档集的音频文档-音频事件共现矩阵;

采用主题模型PLSA对待识别音频文档集的音频文档-音频事件共现矩阵进行主题分析,求得待识别音频文档集中每个音频文档的主题分布;

将待识别音频文档集中每个音频文档的主题分布作为待识别音频文档的音频特征。

7.如权利要求6所述的一种基于音频事件和主题模型的音频场景识别方法,其特征在于,求取待识别音频文档集的音频文档-音频事件共现矩阵的过程,包括:对待识别音频文档进行分帧处理,帧与帧之间有50%的重叠,并提取待识别音频文档每一帧的MFCC特征;

根据音频字典将待识别音频文档集中所有帧映射成音频字;

统计待识别音频文档集里每个音频文档中各个音频字的出现次数,得到待识别音频文档集的音频文档-音频字共现矩阵;

采用主题模型PLSA将待识别音频文档集的音频文档-音频字共现矩阵分解成第一子矩阵和第二子矩阵相乘的形式,其中,第一子矩阵为训练音频文档集的音频事件-音频字共现矩阵;第二子矩阵中的每一列对应一个待识别音频文档在各个音频事件上的概率分布;

采用训练阶段求得的各个音频事件的加权系数对待识别音频文档中的音频事件分布进行加权,对加权后的音频事件分布进行归一化,并乘上待识别音频文档集中音频帧的总数目,最终得到待识别音频文档集的音频文档-音频事件共现矩阵。

8.如权利要求7所述的一种基于音频事件和主题模型的音频场景识别方法,其特征在于,根据音频字典将待识别音频文档集中所有帧映射成音频字的方法为:对待识别音频文档集中的每个帧,从音频字典中找出与其最近邻的音频字来表示相应的帧。

9.一种基于音频事件和主题模型的音频场景识别装置,其特征在于,包括:音频场景分类模型生成模块,所述音频场景分类模型生成模块包括音频字典创建模块,其被配置为获取训练音频文档并存储至训练音频文档集中,对训练音频文档集中的训练音频文档进行分帧和提取特征处理,创建音频字典;

音频文档-音频事件共现矩阵求取模块,其被配置为求取训练音频文档集的音频文档-音频事件共现矩阵;

音频文档的主题分布求取模块,其被配置为采用主题模型PLSA对训练音频文档集的音频文档-音频事件共现矩阵进行主题分析,求得训练音频文档集中每个音频文档的主题分布;

音频场景分类模型训练模块,其被配置为将每个训练音频文档的主题分布作为音频文档的音频特征来训练音频场景分类模型;

所述音频场景识别装置还包括音频特征提取模块,其被配置为提取待识别音频文档的主题分布作为音频特征;

输出模块,其被配置为将待识别音频文档的音频特征代入音频场景分类模型中进行分类识别,并输出待识别音频文档的音频场景类别。