一种新型环境噪声识别方法及系统技术方案

本发明专利技术公开了一种新型环境噪声识别方法及系统，方法包括构建声纹时序双通道识别模型，所述声纹时序双通道识别模型输入为环境噪声，所述声纹时序双通道识别模型的输出为环境噪声类别，采集待识别的环境噪声，将所述待识别的环境噪声输入所述声纹时序双通道识别模型中进行识别，声纹时序双通道识别模型输出该待识别环境噪声的类别；通过构建声纹时序双通道识别模型，能够识别出环境噪声的声纹特征和时序特征，从而依据声纹特征和时序特征准确识别出环境噪声的类别，大大提高环境噪声的识别准确率和效率，进而解决了现有技术无法准确识别环境噪声的类别的缺陷。别环境噪声的类别的缺陷。别环境噪声的类别的缺陷。

【技术实现步骤摘要】
一种新型环境噪声识别方法及系统


[0001]本专利技术涉及环境噪声识别
，尤其涉及一种新型环境噪声识别方法及系统。

技术介绍

[0002]噪声是音高和音强变化混乱、听起来不谐和的声音，是由发音体不规则的振动产生的，从物理学的角度来看：噪声是发声体做无规则振动时发出的声音；噪声 是一类引起人烦躁、或音量过强而危害人体健康的声音，环境噪声污染主要来源于交通运输、车辆鸣笛、工业噪音、建筑施工、社会噪音如音乐厅、高音喇叭、早市和人的大声说话等，为了能够有效防治环境噪声，一般需要对环境噪声进行识别，而现有环境噪声检测方法局限于获得原始音频录音和测得的瞬间声强或一段时间内的平均声强，无法准确识别环境噪声的类别，导致无法有效对环境噪声进行防治。

技术实现思路

[0003]有鉴于此，本专利技术提出一种新型环境噪声识别方法及系统，可以解决现有环境噪声检测方法所存在的无法准确识别环境噪声的类别的缺陷。
[0004]本专利技术的技术方案是这样实现的：一种新型环境噪声识别方法，具体包括以下步骤：步骤S1，构建声纹时序双通道识别模型，所述声纹时序双通道识别模型输入为环境噪声，所述声纹时序双通道识别模型的输出为环境噪声类别；步骤S2，采集待识别的环境噪声；步骤S3，将所述待识别的环境噪声输入所述声纹时序双通道识别模型中进行识别；步骤S4，声纹时序双通道识别模型输出该待识别环境噪声的类别。
[0005]作为所述新型环境噪声识别方法的进一步可选方案，所述构建声纹时序双通道识别模型包括训练阶段和测试阶段。
>[0006]作为所述新型环境噪声识别方法的进一步可选方案，所述训练阶段具体包括以下步骤：采集环境噪声，并对环境噪声进行预处理；对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为训练样本；将训练样本输入神经网络模型中进行训练，得到初始的声纹时序双通道识别模型。
[0007]作为所述新型环境噪声识别方法的进一步可选方案，所述对环境噪声进行预处理，具体包括以下步骤：对环境噪声进行预加重处理，得到预加重处理后的环境噪声；
对预加重处理后的环境噪声进行分帧处理，得到分帧处理后的环境噪声；对分帧处理后的环境噪声进行加窗处理，从而实现环境噪声的预处理。
[0008]作为所述新型环境噪声识别方法的进一步可选方案，所述神经网络模型包括CNN神经网络模型和LSTM神经网络模型。
[0009]作为所述新型环境噪声识别方法的进一步可选方案，所述测试阶段具体包括以下步骤：采集环境噪声，并对环境噪声进行预处理；对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为测试样本；将测试样本输入初始的声纹时序双通道识别模型，初始的声纹时序双通道识别模型输出对应的环境噪声类别。
[0010]一种新型环境噪声识别系统，所述系统包括：构建模块，用于构建声纹时序双通道识别模型；第一采集模块，用于采集待识别的环境噪声；输入模块，用于将所述待识别的环境噪声输入所述声纹时序双通道识别模型中进行识别；输出模块，用于声纹时序双通道识别模型输出该待识别环境噪声的类别。
[0011]作为所述新型环境噪声识别系统的进一步可选方案，所述构建模块包括训练模块和测试模块，所述训练模块包括：第二采集模块，用于采集环境噪声；第一预处理模块，用于对环境噪声进行预处理；第一特征提取模块，用于对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为训练样本；神经网络模型，用于将训练样本输入神经网络中进行训练，得到初始的声纹时序双通道识别模型。
[0012]作为所述新型环境噪声识别系统的进一步可选方案，所述预处理模块包括：预加重模块，用于对环境噪声进行预加重处理，得到预加重处理后的环境噪声；分帧模块，用于对预加重处理后的环境噪声进行分帧处理，得到分帧处理后的环境噪声；加窗模块，用于对分帧处理后的环境噪声进行加窗处理。
[0013]作为所述新型环境噪声识别系统的进一步可选方案，所述测试模块包括：第三采集模块，用于采集环境噪声；第二预处理模块，用于对环境噪声进行预处理；第二特征提取模块，用于对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为测试样本；检验模块，用于将测试样本输入初始的声纹时序双通道识别模型，初始的声纹时序双通道识别模型输出对应的环境噪声类别进行检验。
[0014]本专利技术的有益效果是：通过构建声纹时序双通道识别模型，能够识别出环境噪声的声纹特征和时序特征，从而依据声纹特征和时序特征准确识别出环境噪声的类别，大大
提高环境噪声的识别准确率和效率，进而解决了现有技术无法准确识别环境噪声的类别的缺陷。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本专利技术一种新型环境噪声识别方法的流程示意图；图2为本专利技术一种新型环境噪声识别系统的组成图。
具体实施方式
[0017]下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0018]参考图1
‑
2，一种新型环境噪声识别方法，具体包括以下步骤：步骤S1，构建声纹时序双通道识别模型，所述声纹时序双通道识别模型输入为环境噪声，所述声纹时序双通道识别模型的输出为环境噪声类别；步骤S2，采集待识别的环境噪声；步骤S3，将所述待识别的环境噪声输入所述声纹时序双通道识别模型中进行识别；步骤S4，声纹时序双通道识别模型输出该待识别环境噪声的类别。
[0019]在本实施例中，通过构建声纹时序双通道识别模型，能够识别出环境噪声的声纹特征和时序特征，从而依据声纹特征和时序特征准确识别出环境噪声的类别，大大提高环境噪声的识别准确率和效率，进而解决了现有技术无法准确识别环境噪声的类别的缺陷。
[0020]优选的，所述构建声纹时序双通道识别模型包括训练阶段和测试阶段。
[0021]优选的，所述训练阶段具体包括以下步骤：采集环境噪声，并对环境噪声进行预处理；对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为训练样本；将训练样本输入神经网络模型中进行训练，得到初始的声纹时序双通道识别模型。
[0022]优选的，所述对环境噪声进行预处理，具体包括以下步骤：对环境噪声进行预加重处理，得到预加重处理后的环境噪声；对预加重处理后的环境噪声进行分帧处理，得到分帧处理后的环境噪声；对分帧处理后的环境噪声进行加窗处理，从而实现环境噪声的预处理。
[0023]在本实施例中，通过麦克风采集的环境噪声信号，对环境噪声信号进行预加重、分帧和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新型环境噪声识别方法，其特征在于，具体包括以下步骤：步骤S1，构建声纹时序双通道识别模型，所述声纹时序双通道识别模型输入为环境噪声，所述声纹时序双通道识别模型的输出为环境噪声类别；步骤S2，采集待识别的环境噪声；步骤S3，将所述待识别的环境噪声输入所述声纹时序双通道识别模型中进行识别；步骤S4，声纹时序双通道识别模型输出该待识别环境噪声的类别。2.根据权利要求1所述的一种新型环境噪声识别方法，其特征在于，所述构建声纹时序双通道识别模型包括训练阶段和测试阶段。3.根据权利要求2所述的一种新型环境噪声识别方法，其特征在于，所述训练阶段具体包括以下步骤：采集环境噪声，并对环境噪声进行预处理；对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为训练样本；将训练样本输入神经网络模型中进行训练，得到初始的声纹时序双通道识别模型。4.根据权利要求3所述的一种新型环境噪声识别方法，其特征在于，所述对环境噪声进行预处理，具体包括以下步骤：对环境噪声进行预加重处理，得到预加重处理后的环境噪声；对预加重处理后的环境噪声进行分帧处理，得到分帧处理后的环境噪声；对分帧处理后的环境噪声进行加窗处理，从而实现环境噪声的预处理。5.根据权利要求4所述的一种新型环境噪声识别方法，其特征在于，所述神经网络模型包括CNN神经网络模型和LSTM神经网络模型。6.根据权利要求5所述的一种新型环境噪声识别方法，其特征在于，所述测试阶段具体包括以下步骤：采集环境噪声，并对环境噪声进行预处理；对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为测试样本；将测试样本输入初始的声纹时序双通...

【专利技术属性】
技术研发人员：袁文怡，陈炳辉，王弘越，陈铭生，
申请(专利权)人：广州伏羲智能科技有限公司，
类型：发明
国别省市：