【技术实现步骤摘要】
本专利技术属于音频信号特征提取及模式识别
,尤其涉及公共场所异常声音特征提取方法。
技术介绍
公共场所如地铁、火车站、广场等具有地域广、人流量大等典型特点,是国家安全防卫最重要的部分之一。目前公共场所安全监控主要以视频监控为主。异常事件发生时产生的异常声音,包含异常事件大量的相关信息,因此音频监控已经成为公共安全监控领域研究的发展方向。目前现有的音频监控系统仅为简单的声音采集、传输等,缺乏对异常声音的有效识别,原因是音频监控核心理论及技术没有得到突破。局部均值分解(LocalMeanDecomposition,LMD)是目前音频信号处理采用的常用技术,但是LMD自身存在的端点效应、分解耗时及模态混叠问题。(1)公共场所异常声音信号具有极值点间距较小且分布紧密的特点,通常由于端点检测等预处理操作,异常声音信号的端点不是极值点,而LMD直接以端点值作为极值的处理方式是不合理的,其结果是生成的乘积函数(ProductFunction,PF)分量在两端出现虚假成分,随着分解过程的进行,这种失真现象从信号两端蔓延到中间,造成分解结果失真,即端点效应问题。(2)公共场所异常声音信号具有上下波动频繁、局部信息丰富的特点,而LMD的滑动平均过程不仅耗时而且易造成信号的某些局部信息损失。此外,异常声音信号持续时间较长且主要信息包含在高频部分,而LMD方法的PF分量阶数及筛选次数不确定都会造成分解耗时,同时也会影响分解效果。(3)公共场所异常声音信号频率成分复杂,而LMD的模态混叠问题会影响其特征提取效果。现有总体局部均值分解(EnsembleLocalMeanDec ...
【技术保护点】
公共场所异常声音特征提取方法,其特征在于:首先,采集公共场所异常声音信号,完成声音信号的预处理;然后,采用自适应噪声的完备总体局部均值分解CELMDAN方法将公共场所异常声音信号分解为一系列乘积函数PF分量,每阶分量分别包含异常声音信号的某个频率段信息;再然后,用各阶PF分量与异常声音信号的能量比作为其特征向量,判断特征向量是否有效;最后,将有效的特征向量输入支持向量机SVM进行识别;所述的CELMDAN方法是基于局部均值分解LMD方法,并对该方法的端点效应、分解耗时及模态混叠问题进行改进而获得;所述的CELMDAN方法的核心是CELMDAN方法的模型的建立;所述的端点效应的问题改进是采用边界处理方法,估计信号两侧极值信息,缓解端点效应;所述的分解耗时的问题改进是采用线性插值过程代替局部均值分解LMD的滑动平均过程,并且将乘积函数PF分量作为反馈评估,对乘积函数PF分量阶数及筛选次数进行约束,减小分解耗时;所述的模态混叠问题的改进是采用自适应加噪方式,通过噪声缓解模态混叠,降低重构误差。
【技术特征摘要】
1.公共场所异常声音特征提取方法,其特征在于:首先,采集公共场所异常声音信号,完成声音信号的预处理;然后,采用自适应噪声的完备总体局部均值分解CELMDAN方法将公共场所异常声音信号分解为一系列乘积函数PF分量,每阶分量分别包含异常声音信号的某个频率段信息;再然后,用各阶PF分量与异常声音信号的能量比作为其特征向量,判断特征向量是否有效;最后,将有效的特征向量输入支持向量机SVM进行识别;所述的CELMDAN方法是基于局部均值分解LMD方法,并对该方法的端点效应、分解耗时及模态混叠问题进行改进而获得;所述的CELMDAN方法的核心是CELMDAN方法的模型的建立;所述的端点效应的问题改进是采用边界处理方法,估计信号两侧极值信息,缓解端点效应;所述的分解耗时的问题改进是采用线性插值过程代替局部均值分解LMD的滑动平均过程,并且将乘积函数PF分量作为反馈评估,对乘积函数PF分量阶数及筛选次数进行约束,减小分解耗时;所述的模态混叠问题的改进是采用自适应加噪方式,通过噪声缓解模态混叠,降低重构误差。2.根据权利要求1所述的公共场所异常声音特征提取方法,其特征在于,所述的边界处理包括左边界处理和右边界处理;左边界处理方法如下:首先将信号的左端点值记为Y1,由信号第一、二个极大值点构成的直线方程为y(t)=k1(t-1)+b1,由信号第一、二个极小值点构成的直线方程为y(t)=k2(t-1)+b2,式中,k为连接两个极值点的直线的斜率,b为直线与y轴的交点,补充过后左边界极大值Zmax,左边界极小值依次记为Zmin;具体处理方法如下:步骤2.1:若满足表达式b2≤Y1≤b1,则Zmax=b1且Zmin=b2;步骤2.2:若满足表达式b1<Y1≤(b1+b2)/2+(b1-b2)=(3b1-b2)/2,则Zmax=Y1且Zmin=b2;否则若(3b2-b1)/2=(b1+b2)/2-(b1-b2)≤Y1<b2,则Zmax=b1且Zmin=Y1;步骤2.3:若满足表达式Y1>(3b1-b2)/2,则Zmax=Y1,以第一个极小值点作直线y(t)=k*(t-1)+b*,该直线平行于过左端点和第一个极大值点的直线,且Zmin=b*;否则若Y1<(3b2-b1)/2,则Zmin=Y1,以第一个极大值点作直线y(t)=k*(t-1)+b*,该直线平行于过左端点和第一个极小值点的直线,且Zmax=b*p;对于右边的处理方式与左边界处理方式相同。3.根据权利要求1所述的公共场所异常声音特征提取方法,其特征在于,所述的采用线性插值过程代替局部均值分解LMD的滑动平均过程,包括:首先对信号x(t)的极大值点、极小值点分别进行线性插值,得到相应的上包络线A(t)、下包络线B(t);然后根据式m11(t)=A(t)+B(t)2a11(t)=|A(t)-B(t)|2]]>计算局部均值曲线m11(t)和包络估计曲线a11(t)。4.根据权利要求1所述的公共场所异常声音特征提取方法,其特征在于,所述的对乘积函数PF分量阶数及筛选次数进行约束的具体操作为:首先,采用方差比率Ratio=σ/σ0来反映LMD分解效果,各参数定义如下:σ=1NΣn=1N[x(n)-r(n)]2σ0=1NΣn=...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。