一种基于CWT-LBP的声音信号时频纹理特征提取方法技术

本发明专利技术公开了一种基于CWT

【技术实现步骤摘要】
一种基于CWT
‑
LBP的声音信号时频纹理特征提取方法


[0001]本专利技术涉及声音信号特征提取的方法，具体给出了一种基于连续小波变换和声谱纹理(CWT
‑
LBP)进行声音信号特征提取的方法。

技术介绍

[0002]小波变换技术、纹理特征提取技术属于信号分析与处理领域，它们都在声音处理、图像处理以及众多非线性学科领域有重要的应用价值。
[0003]特征提取多出现于机器学习、模式识别、语音识别、图像处理等领域，指对某一模式的组测量值进行变换，以突出该模式具有代表性特征的一种方法。通过影像分析和某种变换，以提取所需特征，声音的特征提取也如此，常见的声音特征有梅尔频率倒谱系数(MFCC)、恒Q变换(CQT)、过零率、节拍图等。通过对声音信号进行特征提取分析，能发现更有意义的潜在变量，帮助对声音数据产生更深入的了解，是实现声音识别、分类的有效方法。
[0004]在声音信号特征增强技术方法上，已经有傅里叶变换、谱减法、噪声对消法等方法。而傅里叶变换只能分析信号的频率成分，却不能分析信号的频率出现的时刻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CWT
‑
LBP的声音信号时频纹理特征提取方法，其特征在于：所述方法首先，选用合适的小波基函数，利用连续小波变换CWT模块，把声音信号转化为时频图，同时滤掉干扰噪声；其次，将时频图转化为灰度图，进行二值化处理为对应的二值图；最后，结合局部二值模式LBP模块，提取相应的纹理特征，生成特定的时频纹理图；所述连续小波变换的工作步骤，具体如下：1.1)选用Morlet小波作为基函数，确定初始的尺度因子为a、时间平移因子为b，小波从高频开始分析，朝低频进行，尺度因子的第一个值对应压缩程度最高的小波，随着尺度因子的扩大，小波也将扩大；1.2)依照连续小波变换公式，将输入信号与小波相乘积分，得到对应时刻的小波系数；1.3)移动时间平移因子b，直至信号的末端，将积分结果乘以常数归一化；1.4)改变尺度因子a，不断扩展小波，重复步骤1.2)
‑
1.3)，最终生成小波的时频图；所述局部二值模式LBP模块，提取相应的纹理特征，步骤如下：2.1)将待转化图片划分为16*16的小区域；2.2)对于每个区域中的一个像素点，将相邻的8个像素点的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0；这样，3*3邻域内的8个点经比较可产生8位二进制数，即得到该窗口中心像素点的LBP值；2.3)计算每个LBP值出现的频率，得出LBP直方图，然后对该直方图进行归一化处理...

【专利技术属性】
技术研发人员：宋浠瑜，熊君涵，姚方志，刘争红，王玫，仇洪冰，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：