噪音信号的识别方法及装置制造方法及图纸

本公开提供了一种噪音信号的识别方法及装置，属于音频识别技术领域。所述方法包括：获取待识别噪音信号；获取该待识别噪音信号的第一信号特征，该第一信号特征包括听觉特征和传统特征，该听觉特征用于指示能够用于语音识别的声学特征；对该传统特征进行图像特征提取，得到该待识别噪音信号的第二信号特征；根据该待识别噪音信号的第一信号特征和第二信号特征，对该待识别噪音信号进行识别，得到该待识别噪音信号的目标类别。本公开提取的待识别噪音信号多种特征能够更加全面、更加细腻的反映待识别噪音信号的特点，通过对该多种特征进行识别得到目标类别，实现了对待识别噪音信号全方位、细粒度的识别，提高了识别准确率、降低了误识率。

【技术实现步骤摘要】
噪音信号的识别方法及装置
本公开涉及音频识别
，特别涉及一种噪音信号的识别方法及装置。
技术介绍
声音信号包括语音信号和非语音信号(噪音信号)，其中，语音信号具有带宽稳定、有一定规律性、便于统计等特点，而相比于语音信号来说，噪音信号则具有多样性、无规则性、难以统计等特点。因此，相比于发展成熟的语音信号识别技术，噪音信号的识别技术较为落后。而由于声音信号是由物体的振动产生的，并且可以在一定程度上反映出物体的状态信息，在工业生产中可以通过对产品使用过程中产生噪音信号的识别来判别产品质量的好坏，进而实现工业控制。现有技术中，噪音信号可以分为正常噪音信号和异常噪音信号。目前，通常噪音信号的识别基于对噪音信号的传统特征分析，识别的主要方式包括信号强度峰值判断、短时能量检测算法、过零率判断等。其中，噪音信号的传统特征可以为噪音信号的强度、能量、周期、基频频率、谐波频率、频谱分布等特征。针对噪音信号的任一传统特征，噪音信号的识别过程为：提取待识别噪音信号的特征，将该特征的数值与预设特征阈值进行比较，如果该特征的数值超过该特征阈值，则确定待识别噪音信号为异常噪音信号；反之，则确定待识别噪音信号为正常噪音信号。在实现本公开的过程中，专利技术人发现现有技术至少存在以下问题：由于异常噪音信号根据其产生原因的不同其种类是多种多样的，实际情况中，有些类别的异常噪音信号的特征与正常噪音信号的特征在数值上非常相近，单单依靠上述数值比较的方法，很容易将异常噪音信号误判为正常噪音信号，导致噪音信号识别的准确率低、误识率高。
技术实现思路
为了解决现有技术的问题，本公开实施例提供了一种噪音信号的识别方法及装置。所述技术方案如下：一方面，提供了一种噪音信号的识别方法，该方法包括：获取待识别噪音信号；获取该待识别噪音信号的第一信号特征，该第一信号特征包括听觉特征和传统特征，该听觉特征用于指示能够用于语音识别的声学特征；对该传统特征进行图像特征提取，得到该待识别噪音信号的第二信号特征；根据该待识别噪音信号的第一信号特征和第二信号特征，对该待识别噪音信号进行识别，得到该待识别噪音信号的目标类别。通过提取待识别噪音信号的传统特征和能够用于语音识别的声学特征，并基于传统特征提取了待识别噪音信号的图像特征，得到了待识别噪音信号的多种特征，该多种特征能够更加全面、更加细腻的反映待识别噪音信号的特点，通过对待识别噪音信号的多种特征进行识别得到目标类别，实现了对待识别噪音信号全方位、更加细粒度的识别，提高了噪音识别的准确率、降低了误识率。结合第一方面，在第一方面的第一种可能的实现方式中，该对该传统特征进行图像特征提取，得到该待识别噪音信号的第二信号特征的过程可以为：根据该传统特征中每帧信号的频谱特征，获取该每帧信号的图像特征，该每帧信号的图像特征采用不同的灰度表示不同的频谱强度；将该每帧信号的图像特征按照时间顺序排列，得到该待识别噪音信号的声谱图，将该声谱图转换为声谱图片，将该声谱图片作为该待识别噪音信号的第二信号特征；和/或，根据该待识别噪音信号中每帧信号的传统特征，获取该待识别信号的波形图、频谱图和倒梅尔谱图中的至少一项，将获取到的谱图转换为相应的谱图图片，将转换得到的谱图图片作为该待识别噪音信号的第二信号特征。通过根据传统特征提取待识别噪音信号的各种图谱图片表示的图像特征，使得提取的特征可以从时域和频率多个维度、更加细粒度地反映待识别噪音信号的特点，进而提高识别的准确率。结合第一方面，在第一方面的第二种可能的实现方式中，根据该待识别噪音信号的第一信号特征和第二信号特征，对该待识别噪音信号进行识别，得到该待识别噪音信号的目标类别的过程可以为：将该待识别噪音信号的听觉特征、传统特征和第二信号特征分别输入对应的分类模型，得到该待识别噪音信号的多个分类结果；根据该多个分类结果，得到该待识别噪音信号的目标类别。其中，该待识别噪音信号的听觉特征和第二信号特征对应的分类模型，分别由对不同类型的神经网络进行迭代训练得到。通过对待识别噪音信号的多个分类结果进行联合识别，最终得到一个目标类别，使得最终识别结果更加准确，而且采用对神经网络进行训练得到相应的分类模型，进一步增加了识别结果的准确性。结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，根据该多个分类结果，得到待识别噪音信号的目标类别的过程可以为：对于该多个分类结果中的每个分类结果，确定该分类结果对应分类模型的权重因子；根据该每个分类结果对应分类模型的权重因子，对该多个分类结果进行加权运算，得到目标数值；根据该目标数值，确定该目标类别。通过对不同的分类模型设置不同的权重值，可以将待识别噪音号的多个特征中最能体现其本质的特征，对应的分类模型的权重值设置为最高，这样可以使得识别结果更加贴切待识别噪音信号体现其本质的特征，从而提高识别的准确率。结合第一方面的第二种可能的实现方式，在第一方面的第四种可能的实现方式中，获取该待识别噪音信号的第一信号特征的过程可以为：对该待识别噪音信号进行特征提取，得到该待识别噪音信号的传统特征；通过预设滤波器对该传统特征进行滤波，得到该待识别噪音信号中部分帧信号的频谱，该预设滤波器用于模拟人耳的非线性特性；将该部分帧信号中每帧信号的频谱所指示的频率信息和强度信息，映射为一个多维向量；将该部分帧信号中每帧信号对应的多维向量按照时间顺序排列，得到该待识别噪音信号的听觉特征。通过采用模拟人耳的非线性特性的预设滤波器提取听觉特征，排除了对识别结果影响不大的部分信号，将需要识别的部分信号集中在一个能够体现噪音信号本质特征的小范围内，降低了数据处理压力，提高了识别的效率。第二方面，提供了一种噪音信号的识别装置，该噪音信号的识别装置包括至少一个单元，该至少一个单元用于实现上述第一方面或第一方面中任意一种可能的实现方式所提供的噪音信号的识别方法。该第二方面所获得的技术效果与第一方面中对应的技术手段获得的技术效果近似，在这里不再赘述。第三方面，提供了一种终端，该终端包括处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行上述第一方面中终端所执行的方法。该第三方面所获得的技术效果与第一方面中对应的技术手段获得的技术效果近似，在这里不再赘述。附图说明图1是本公开实施例提供的一种终端的结构示意图；图2A是本公开实施例提供的一种噪音信号的识别方法的流程图；图2B是本公开实施例提供的一种构建多种分类模型的示意图；图2C是本公开实施例提供的一种构建多种分类模型的示意图；图2D是本公开实施例提供的一种构建决策模型的示意图；图2E是本公开实施例提供的一种构建决策模型的示意图；图2F是本公开实施例提供的一种利用多种分类模型和决策模型进行噪音识别的示意图；图2G是本公开实施例提供的一种利用多种分类模型和决策模型进行噪音识别的示意图；图3是本公开实施例提供的一种噪音信号的识别装置的框图。具体实施方式为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。本公开实施例中，对噪音识别的过程可以由终端执行，如图1所示本实施例提供的一种终端100的结构示意图，该终端100包括：终端100可以包括RF(RadioFrequency，射频)电路110、包括有一本文档来自技高网...

【技术保护点】
一种噪音信号的识别方法，其特征在于，所述方法包括：获取待识别噪音信号；获取所述待识别噪音信号的第一信号特征，所述第一信号特征包括听觉特征和传统特征，所述听觉特征用于指示能够用于语音识别的声学特征；对所述传统特征进行图像特征提取，得到所述待识别噪音信号的第二信号特征；根据所述待识别噪音信号的第一信号特征和第二信号特征，对所述待识别噪音信号进行识别，得到所述待识别噪音信号的目标类别。

【技术特征摘要】
1.一种噪音信号的识别方法，其特征在于，所述方法包括：获取待识别噪音信号；获取所述待识别噪音信号的第一信号特征，所述第一信号特征包括听觉特征和传统特征，所述听觉特征用于指示能够用于语音识别的声学特征；对所述传统特征进行图像特征提取，得到所述待识别噪音信号的第二信号特征；根据所述待识别噪音信号的第一信号特征和第二信号特征，对所述待识别噪音信号进行识别，得到所述待识别噪音信号的目标类别。2.根据权利要求1所述的方法，其特征在于，所述对所述传统特征进行图像特征提取，得到所述待识别噪音信号的第二信号特征包括：根据所述传统特征中每帧信号的频谱特征，获取所述每帧信号的图像特征，所述每帧信号的图像特征采用不同的灰度表示不同的频谱强度；将所述每帧信号的图像特征按照时间顺序排列，得到所述待识别噪音信号的声谱图，将所述声谱图转换为声谱图片，将所述声谱图片作为所述待识别噪音信号的第二信号特征；和/或，根据所述待识别噪音信号中每帧信号的传统特征，获取所述待识别信号的波形图、频谱图和倒梅尔谱图中的至少一项，将获取到的谱图转换为相应的谱图图片，将转换得到的谱图图片作为所述待识别噪音信号的第二信号特征。3.根据权利要求1所述的方法，其特征在于，所述根据所述待识别噪音信号的第一信号特征和第二信号特征，对所述待识别噪音信号进行识别，得到所述待识别噪音信号的目标类别包括：将所述待识别噪音信号的听觉特征、传统特征和第二信号特征分别输入对应的分类模型，得到所述待识别噪音信号的多个分类结果；根据所述多个分类结果，得到所述待识别噪音信号的目标类别。4.根据权利要求3所述的方法，其特征在于，所述根据所述多个分类结果，得到所述待识别噪音信号的目标类别包括：对于所述多个分类结果中的每个分类结果，确定所述分类结果对应分类模型的权重因子；根据所述每个分类结果对应分类模型的权重因子，对所述多个分类结果进行加权运算，得到目标数值；根据所述目标数值，确定所述目标类别。5.根据权利要求3所述的方法，其特征在于，所述待识别噪音信号的听觉特征和第二信号特征对应的分类模型，分别由对不同类型的神经网络进行迭代训练得到。6.根据权利要求1所述的方法，其特征在于，所述获取所述待识别噪音信号的第一信号特征包括：对所述待识别噪音信号进行特征提取，得到所述待识别噪音信号的传统特征；通过预设滤波器对所述传统特征进行滤波，得到所述待识别噪音信号中部分帧信号的频谱，所述预设滤波器用于模拟人耳的非线性特性；将所述部分帧信号中每帧信号的频谱所指示的频率信息和强度信息，映射为一个多维向量；将所述部分帧信号中每帧信号对应的多...

【专利技术属性】
技术研发人员：薛希俊，王明，闫正，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44