一种基于双重数据增强策略的音频分类方法技术

本发明专利技术公开了一种基于双重数据增强策略的音频分类方法。本发明专利技术的方法是：首先对原始音频文件使用旋转、调音、变调、加噪共四种传统音频增强方法进行初次音频数据增强；然后将初次增强音频数据转化为语谱图；再通过随机替换均值对语谱图数据进行二次的数据增强；输入双重数据增强的数据到Inception_Resnet_V2神经网络进行训练，完成特征提取工作；最后通过xgboost分类器对提取到的高层特征进行训练，完成最终音频分类工作。本方法在传统音频增强的基础上添加了对谱图的数据增强，双重数据增强可直接提高训练精度，在测试过程中表现出3％的精确率提升，可广泛应用于环境声分类与声纹识别任务。

An audio classification method based on double data enhancement strategy

【技术实现步骤摘要】
一种基于双重数据增强策略的音频分类方法
本专利技术涉及信息处理
，特别是涉及一种基于双重数据增强策略的音频分类方法。
技术介绍
对音频进行分析可以得出人们进行活动、交流、周遭状况等方面的诸多信息。一般实现音频分类的方法分为两步，一是提取需要进行分类的不同音频的特征，通常使用一些基于手工制作的特征，如log-Mel特征，矩阵分解，字典学习、基于小波的特征以及梅尔倒谱系数；二是根据提取到的音频特征进行分析，然后训练分类器进行识别。其中，音频特征至关重要，表示效果不佳的音频特征将直接导致后续分类结果不佳。传统特征的表达能力不够强，不能很好的表示原始音频特征。为了获取表达能力更强的特征，可以使用神经网络对音频语谱图进行计算得到高层特征。但由于语谱图的特殊性，无法对其使用旋转、翻转、缩放等传统的图片数据增强方法，缺少对谱图进行数据增强的过程也将降低音频分类准确度。当前的主流做法是通过旋转、调音、加噪等方法直接进行音频数据增强，但是对于深度学习来说，这些数据往往还是不够，特别是一些数据集的样本数过低但标签类别数量大的数据集上最终识别精度不佳。本文档来自技高网...

【技术保护点】
1.一种基于双重数据增强策略的音频分类方法，其特征在于，包括如下步骤：/nS1、对待处理音频数据使用音频旋转、音频调音、音频变调和音频加噪四种方法产生新的数据，实现数据增强；/nS2、对完成数据增强的音频数据进行频谱分析，得到音频文件对应的语谱图数据；/nS3、对语谱图数据使用随机替换均值方法产生新的语谱图数据，实现语谱图的数据增强；/nS4、通过神经网络模型对增强后的语谱图数据进行特征提取，得到表示能力更强的高层特征；/nS5、训练随机森林分类器对音频数据完成分类。/n

【技术特征摘要】
1.一种基于双重数据增强策略的音频分类方法，其特征在于，包括如下步骤：
S1、对待处理音频数据使用音频旋转、音频调音、音频变调和音频加噪四种方法产生新的数据，实现数据增强；
S2、对完成数据增强的音频数据进行频谱分析，得到音频文件对应的语谱图数据；
S3、对语谱图数据使用随机替换均值方法产生新的语谱图数据，实现语谱图的数据增强；
S4、通过神经网络模型对增强后的语谱图数据进行特征提取，得到表示能力更强的高层特征；
S5、训练随机森林分类器对音频数据完成分类。


2.如权利要求1所述的基于双重数据增强策略的音频分类方法，其特征在于，步骤S1具体包括：
S11、音频旋转：将音频文件后30％的数据截取至音频文件的首部进行拼接，生成一组新数据；
S12、音频调音：将音频数据的音量分别进行增大为1.5倍和减小为0.7倍处理，生成两组新数据；
S13、音频变调：将音频数据的音调分别进行增大为2倍和减小为0.5倍处理，生成两组新数据；
S14、音频加噪：重复两次在音频数据中加入随机的噪音数据，生成两组新数据。


3.如权利要求2所述的基于双重数据增强策略的音频分类方法，其特征在于，步骤S2具体包括：
S21、将音频数据按照时间分成多帧，以每一帧为一个观测单位，每帧的时长为25ms，每隔10ms取一帧，即帧移为10ms，此时帧的重叠为15ms；
S22、对每一帧加窗，使帧内信号在接下来进行傅里叶变换时的两个端点处不会发生突变；
S23、对分帧加窗后的各帧信号进行1024点的FFT变换得到各帧的频谱，对频谱数据取模平方得到语音信号的功率谱；
S24、将所述功率谱通过76个三角带通滤波器构成的梅尔滤波器组；
S25、对梅尔滤波器组的输出求取对数，在提取到每一帧的对数能量后，以帧的形式层叠起来，得到最终的语谱图。


4.如...

【专利技术属性】
技术研发人员：张晓龙，周迅，边小勇，李波，何新宇，甘浩旻，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北;42