一种基于特征值聚类的声学信号模式分类方法技术

一种基于特征值聚类的声学信号模式分类方法，属于声学信号模式分类技术领域。它包括以下步骤：S1、使用固定时长将时域声音信号划成连续的帧片段，利用傅立叶变换，将各片段转换成频谱片段；S2、使用频谱片段的矢量间的相似度量/相异度量构造相似/相异的度量矩阵；S3、将度量矩阵进行谱分解，得到特征矢量矩阵P和特征值组成的谱矩阵；S4、对谱特征值序列进行k均值聚类，得到k组结果；S5、将特征值聚类的结果映射到频谱片段集合。本发明专利技术直接使用特征值进行k均值聚类，聚类矢量为一维纯量，不需要使用PCA技术进行降低维度处理，从而使得计算效率达到最优，适用于声学降噪、声学回声的DTD检测、回声分离以及声源定位等技术领域。回声分离以及声源定位等技术领域。回声分离以及声源定位等技术领域。

【技术实现步骤摘要】
一种基于特征值聚类的声学信号模式分类方法


[0001]本专利技术属于声学信号模式分类
，具体涉及一种基于特征值聚类的声学信号模式分类方法。

技术介绍

[0002]聚类是一种无监督模式分类技术，一般不需要人工对数据进行标注，但需要事先确定好聚类的类型数目。在各种聚类技术里，谱聚类是近年来发展迅猛的一种聚类技术，它在初始阶段有点类似传统的层次聚类法，即构造全体参与聚类的数据之间的互相似性度量(或互相异性度量)，该度量是一张N
×
N阶的对称矩阵表，N即为参与聚类的全体原始数据的个数。然后计算该矩阵的谱分解，并对特征矢量矩阵(即相似矩阵)进行标准化(施密特正交化、及单位化)，在借鉴传统的PCA统计分析方法的基础上进行降维，根据特征值的大小分布，取集中的一部分(占据总值80％以上份额)特征值所对应的部分特征矢量矩阵进行聚类。该部分特征矢量矩阵的行数仍旧是参与聚类的全体原始数据的个数，但列数已经低于N了，这就是PCA降维运用的结果。对所有的部分特征矢量矩阵的行向量进行k均值聚类,最后将聚类结果对应到原始数据从而得到真正需要的原始数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征值聚类的声学信号模式分类方法，其特征在于：包括以下步骤：S1、使用固定时长将时域声音信号划成连续的帧片段，利用傅立叶变换，将各片段转换成频谱片段；S2、使用频谱片段的矢量间的相似度量/相异度量构造相似/相异的度量矩阵；S3、将度量矩阵进行谱分解，得到特征矢量矩阵P和特征值组成的谱矩阵；S4、对谱特征值序列进行k均值聚类，得到k组结果；S5、将特征值聚类的结果映射到频谱片段集合。2.根据权利要求1所述的一种基于特征值聚类的声学信号模式分类方法，其特征在于所述步骤S1中，各片段的频谱为待聚类的原始数据，其均是维数为d的矢量，将原始数据记为矢量组，表示如下：其中，N为片段数，即原始数据的个数。3.根据权利要求2所述的一种基于特征值聚类的声学信号模式分类方法，其特征在于所述步骤S2中，矩阵为实对称矩阵；相异度量采用欧氏距离，相似度量采用相关性系数、Peasrson相关系数或关于欧氏距离的减函数。4.根据权利要求3所述的一种基于特征值聚类的声学信号模式分类方法，其特征在于所述步骤S2的具体过程如下：从原始数据中选取数据和将数据和的相似或相异度量值记作：其中，和则度量矩阵表示如下：5.根据权利要求4所述的一种基于...

【专利技术属性】
技术研发人员：陆成刚，张卫，魏小彬，杨利中，南哲，白晓迪，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：