一种抗噪的SVM分类器的音频特征选择方法技术

发明专利技术涉及一种抗噪的SVM分类器的音频特征选择方法，属于音频信号处理技术领域。本发明专利技术具体为S1：利用PAFSA产生初始种群。S2：生成初始SVM参数。S3：送入SVM进行训练和测试。S4：计算个体适应值。S5：进行迭代寻优。S6：调整个体适应值。S7：若满足则输出结果，若不满足，则进入S3进行循环。通过上述步骤，可以过滤掉环境中的噪音，提高了SVM分类器的识别率，提高了语音识别的精度。本发明专利技术在寻优的过程中维持样本个体的多样性，提高求解速度和解的精确性，并利用测试函数对该优化方法进行测试和比较。

A Noise-Resistant Audio Feature Selection Method for SVM Classifier

The invention relates to an audio feature selection method of an anti-noise SVM classifier, belonging to the field of audio signal processing technology. The invention is specific to S1: generating initial population by using PAFSA. S2: Generate initial SVM parameters. S3: Enter SVM for training and testing. S4: Calculate individual fitness. S5: Iterative optimization. S6: Adjust individual fitness. S7: If satisfied, output the result. If not, enter S3 for circulation. Through the above steps, the noise in the environment can be filtered, the recognition rate of SVM classifier can be improved, and the accuracy of speech recognition can be improved. In the process of optimization, the invention maintains the diversity of sample individuals, improves the speed of solution and the accuracy of solution, and tests and compares the optimization method with the test function.

【技术实现步骤摘要】
一种抗噪的SVM分类器的音频特征选择方法
本专利技术涉及一种抗噪的SVM分类器的音频特征选择方法，属于音频信号处理

技术介绍
语音识别技术是人机接口应用的前沿技术之一，作为语音信号处理的一个研究方向，近年来语音识别得到了迅速发展，在国际化浪潮以及多民族和多文化的相互交织的大背景下，语音识别越来越受到人们的关注。虽然目前存在一些针对不同类型音频信号的场景分析，但对于含有噪声的场景分析还很局限，识别率也有待于提高。
技术实现思路
本专利技术要解决的技术问题是提出一种抗噪的SVM分类器的音频特征选择方法，用以解决上述问题。本专利技术的技术方案是：一种抗噪的SVM分类器的音频特征选择方法，包括以下步骤：(1)产生初始样本：采用PAFSA算法得到初始种群，即采样系统得到的语音数据文件作为语音样本；(2)预处理：先是进行A/D转换，然后预加重处理，再进行分帧处理，最后对语音信号进行加窗函数处理；(3)提取语音信号的特征参数：分别用时域分析方法、频域分析方法、倒谱分析方法提取出待测的初始样本的时域特征、频域特征、倒谱特征；(4)输入到SVM分类器中进行训练：将得到的时域特征量、频域特征量、倒本文档来自技高网...

【技术保护点】
1.一种抗噪的SVM分类器的音频特征选择方法，其特征在于：(1)产生初始样本：采用PAFSA算法得到初始种群，即采样系统得到的语音数据文件作为语音样本；(2)预处理：先是进行A/D转换，然后预加重处理，再进行分帧处理，最后对语音信号进行加窗函数处理；(3)提取语音信号的特征参数：分别用时域分析方法、频域分析方法、倒谱分析方法提取出待测的初始样本的时域特征、频域特征、倒谱特征；(4)输入到SVM分类器中进行训练：将得到的时域特征量、频域特征量、倒谱特征量输入到matlab平台的SVM分类器中进行训练；(5)输入到SVM分类器中进行测试：将训练后的特征参数输入到matlab中的SVM分类器中进行测...

【技术特征摘要】
1.一种抗噪的SVM分类器的音频特征选择方法，其特征在于：(1)产生初始样本：采用PAFSA算法得到初始种群，即采样系统得到的语音数据文件作为语音样本；(2)预处理：先是进行A/D转换，然后预加重处理，再进行分帧处理，最后对语音信号进行加窗函数处理；(3)提取语音信号的特征参数：分别用时域分析方法、频域分析方法、倒谱分析方法提取出待测的初始样本的时域特征、频域特征、倒谱特征；(4)输入到SVM分类器中进行训练：将得到的时域特征量、频域特征量、倒谱特征量输入到matlab平台的SVM分类器中进行训练；(5)输入到SVM分类器中进行测试：将训练后的特征参数输入到matlab中的SVM分类器中进行测试；(6)计算个体适应值：将总体测试样本识别率转换成该样本的适应值；(7)进行迭代寻优：对测试后的语音样本进行觅食、聚群、追尾等行为进行寻优，产生下一代参数样本种群；(8)调整个体适应值：利用得到的子代参数样本种群，重新对SVM进行训练和测试并计算相应的适应值；(9)判断是否进入循环：如满足终止条件，则输出结果，如不满足，则进入步骤4进行循环；(10)结束训练：得出参数为最终算法得到的样本参数。2.根据权利要求1所述的抗噪的SVM分类器的音频特征选择方法，其特征在于：所述产生初始样本中利用Goldwave软件录制语音样本。3.根据权利要求1所述的抗噪的SVM分类器的音频特征选择方法，其特征在于：所述预处理包括以下步骤：(1)A/D转换：把模拟信号转换成数字信号，经过A/D转换，得出数字信号；(2)预加重处理：...

【专利技术属性】
技术研发人员：龙华，周金傲，邵玉斌，杜庆治，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53