System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及语音处理,具体涉及基于语音分析的森林枪声定位方法。
技术介绍
1、由于森林中的风吹过树叶、草丛等植物时会产生噪声,并且在枪声响起的同时,通常会引发森林中动物的鸣叫,这些问题均造成利用麦克风阵列采集的声音信号数据中包含较多噪声、动物鸣叫声等干扰数据,在使用声源定位算法对枪声信号进行定位时,例如music(multiple signal classification,多重信号分类)算法,容易将动物的鸣叫误认为是枪声信号的声源进行定位,导致枪声的定位结果出现较大的误差。而且由于森林中存在大量的树木和植被,而枪声信号属于高频信号,在传播的过程中容易被空气、树木和植被等吸收,并且动物的声音也会和枪声信号形成混合信号,导致麦克风阵列采集到的枪声信号损失了过多的可用信息,影响枪声定位结果的精度。
技术实现思路
1、本申请提供基于语音分析的森林枪声定位方法,以解决通过语音分析对森林中枪声定位准确性低的问题,所采用的技术方案具体如下:
2、本申请一个实施例提供了基于语音分析的森林枪声定位方法,该方法包括以下步骤:
3、获取森林中的声音信号数据,将森林中每个声音信号采集点的麦克风阵列中每个阵元麦克风的声音信号数据转换为语谱图;
4、根据每个阵元麦克风对应的语谱图中每个数据点的局部能量特征构建声音高能量聚集度;根据每个阵元麦克风对应的语谱图中每个数据点对应的声音高能量聚集度构建语谱图中每列数据点的高能量频带和低能量频带;根据每个阵元麦克风对应的语谱图中每列数
5、根据每个阵元麦克风对应的语谱图中所有列的枪声马赫波疑似度获取森林中每个声音信号采集点对应的马赫波数据矩阵,基于马赫波数据矩阵获取森林中枪声所在的方向角度的定位结果。
6、优选的,所述根据每个阵元麦克风对应的语谱图中每个数据点的局部能量特征构建声音高能量聚集度的方法为:
7、将每个阵元麦克风对应的语谱图中所有的数据点的能量值作为输入,采用密度峰值聚类算法获取所述语谱图中每个数据点的局部声音能量密度;
8、以每个阵元麦克风对应的语谱图中每个数据点为中心构建预设大小的局部窗口,根据所述语谱图中每个数据点的局部窗口内不同数据点之间的局部声音能量密度和能量值差异计算能量分布相似聚集度;
9、根据每个阵元麦克风对应的语谱图中每个数据点的局部窗口对应的能量分布相似聚集度计算每个数据点的声音高能量聚集度。
10、优选的,所述根据所述语谱图中每个数据点的局部窗口内不同数据点之间的局部声音能量密度和能量值差异计算能量分布相似聚集度的具体方法为:
11、对于每个阵元麦克风对应的语谱图中每个数据点的局部窗口,将所述局部窗口内每个数据点的局部能量密度与能量值的乘积作为第一聚集系数,将所述局部窗口内任意两个数据点对应的第一聚集系数之差的绝对值作为第二聚集系数;
12、将所述局部窗口内任意两个数据点之间的欧氏距离作为第三聚集系数,将所述局部窗口内任意两个数据点对应的第二聚集系数与第三聚集系数的乘积与预设参数之和的倒数作为所述局部窗口内任意两个数据点之间的能量分布相似聚集度。
13、优选的,所述根据每个阵元麦克风对应的语谱图中每个数据点的局部窗口对应的能量分布相似聚集度计算每个数据点的声音高能量聚集度的具体方法为:
14、对于每个阵元麦克风对应的语谱图中每个数据点的局部窗口,将所述局部窗口内的任意两个数据点之间的能量分布相似聚集度在局部窗口上累加结果的均值作为第一高能量系数;将所述局部窗口内所有数据点能量值的均值作为第二高能量系数,将所述局部窗口的第一高能量系数与第二高能量系数的乘积作为所述语谱图中每个数据点的声音高能量聚集度。
15、优选的,所述根据每个阵元麦克风对应的语谱图中每个数据点的声音高能量聚集度构建语谱图中每列数据点的高能量频带和低能量频带的方法为:
16、采用阈值分割算法获取每个阵元麦克风对应的语谱图中所有数据点的声音高能量聚集度的分割阈值,将所述语谱图中声音高能量聚集度大于等于分割阈值的数据点作为声音高能量聚集点,将所述语谱图中声音高能量聚集度小于分割阈值的数据点作为声音低能量聚集点;
17、对于每个阵元麦克风对应的语谱图中的每列数据点,将每列数据点中声音高能量聚集点的能量值置为1,将每列数据点中声音低能量聚集点的能量值置为0,将每列数据点能量值更新后的数据组成的序列作为频带分析序列,采用连通域分析算法获取频带分析序列的连通域,将频带分析序列中元素均为1的连通域作为高能量频带,将频带分析序列中元素均为0的连通域作为低能量频带。
18、优选的,所述根据每个阵元麦克风对应的语谱图中每列数据点的高能量频带和低能量频带计算高能量频带集中覆盖率的方法为:
19、对于每个阵元麦克风对应的语谱图中每列数据点,将每列数据点中任意一个高能量频带中所有数据点的能量值的标准差的映射结果作为第一集中系数,将第一集中系数在每列数据点的所有高能量频带上的累加结果作为第二集中系数;将每列数据点中任意一个低能量频带中所有数据点的能量值的标准差的映射结果作为第三集中系数,将第三集中系数在每列数据点中所有低能量频带上的累加结果作为第四集中系数,将第二集中系数与第四集中系数的乘积作为每列数据点的语谱频带能量集中度;
20、将每列数据点中任意一个高能量频带中所有数据点的能量值的均值作为第一差异系数,将每列数据点中任意一个低能量频带中所有数据点的能量值的均值作为第二差异系数,将第一差异系数与第二差异系数之差的绝对值的映射结果作为第三差异系数,将第三差异系数在每列数据点上的累加结果作为每列数据点的频带能量差异系数;
21、根据每个阵元麦克风对应的语谱图中每列数据点的语谱频带能量集中度、频带能量差异系数和每列数据点的频带分布特征计算高能量分布集中度;根据每个阵元麦克风对应的语谱图中每列数据点的高能量分布集中度和高能量频带的频带宽度获取高能量频带集中覆盖率。
22、优选的,所述根据每个阵元麦克风对应的语谱图中每列数据点的语谱频带能量集中度、频带能量差异系数和每列数据点的频带分布特征计算高能量分布集中度的具体方法为:
23、对于每个阵元麦克风对应的语谱图中每列数据点,分别将每列数据点中每个高能量频带、低能量频带中所有数据点之间频率差值的最大值作为每个高能量频带、低能量频带的频带宽度;
24、将每列数据点的语谱频带能量集中度与频带能量差异系数的比值作为分子,将每列数据点中相邻两个高能量频带之间所有低能量频带的频带宽度的和作为第一分布系数,将第一分布系数在每列数据点上累加结果的均值与预设参数的和作为分母,将分子与分母的比值作为每列数据点的高能量分布集中度。
25、优选的,所述根据每个阵元麦克风对应的语谱图中本文档来自技高网...
【技术保护点】
1.基于语音分析的森林枪声定位方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据每个阵元麦克风对应的语谱图中每个数据点的局部能量特征构建声音高能量聚集度的方法为:
3.根据权利要求2所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据所述语谱图中每个数据点的局部窗口内不同数据点之间的局部声音能量密度和能量值差异计算能量分布相似聚集度的具体方法为:
4.根据权利要求2所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据每个阵元麦克风对应的语谱图中每个数据点的局部窗口对应的能量分布相似聚集度计算每个数据点的声音高能量聚集度的具体方法为:
5.根据权利要求1所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据每个阵元麦克风对应的语谱图中每个数据点的声音高能量聚集度构建语谱图中每列数据点的高能量频带和低能量频带的方法为:
6.根据权利要求1所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据每个阵元麦克风对应的语谱图中每列数据点的高能量频带
7.根据权利要求6所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据每个阵元麦克风对应的语谱图中每列数据点的语谱频带能量集中度、频带能量差异系数和每列数据点的频带分布特征计算高能量分布集中度的具体方法为:
8.根据权利要求6所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据每个阵元麦克风对应的语谱图中每列数据点的高能量分布集中度和高能量频带的频带宽度获取高能量频带集中覆盖率的方法为:
9.根据权利要求1所述的基于语音分析的森林枪声定位方法,其特征在于,所述基于每个阵元麦克风对应的语谱图中每列数据点对应的高能量频带集中覆盖率计算枪声马赫波疑似度的方法为:
10.根据权利要求1所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据每个阵元麦克风对应的语谱图中所有列的枪声马赫波疑似度获取森林中每个声音信号采集点对应的马赫波数据矩阵,基于马赫波数据矩阵获取森林中枪声所在的方向角的方法为:
...【技术特征摘要】
1.基于语音分析的森林枪声定位方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据每个阵元麦克风对应的语谱图中每个数据点的局部能量特征构建声音高能量聚集度的方法为:
3.根据权利要求2所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据所述语谱图中每个数据点的局部窗口内不同数据点之间的局部声音能量密度和能量值差异计算能量分布相似聚集度的具体方法为:
4.根据权利要求2所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据每个阵元麦克风对应的语谱图中每个数据点的局部窗口对应的能量分布相似聚集度计算每个数据点的声音高能量聚集度的具体方法为:
5.根据权利要求1所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据每个阵元麦克风对应的语谱图中每个数据点的声音高能量聚集度构建语谱图中每列数据点的高能量频带和低能量频带的方法为:
6.根据权利要求1所述的基于语音分析的森林枪声定位方法,其特征在于,所述根据每个阵...
【专利技术属性】
技术研发人员:滕兵,张根,王崇瑞,杨毅,
申请(专利权)人:百鸟数据科技北京有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。