一种环境噪声污染智能实时识别与定位监测系统及方法技术方案

本发明专利技术涉及声音识别技术领域，更具体地，本发明专利技术涉及一种环境噪声污染智能实时识别与定位监测系统及方法，包括：获取目标音频数据，并提取第帧音频数据的特征，所述特征包括对数梅尔频谱图和波谱图，进而得到所述第帧音频数据所属的各个类型标签的第一概率值和第帧音频数据的特征向量。本发明专利技术通过训练好的CNN网络分类模型得到目标音频数据所属的各个类型标签的第一概率值。然后根据目标音频数据与历史数据中各个类型标签对应的特征向量和响度，计算目标音频数据所属的各个类型标签的第二概率值。然后通过对第一概率值和第二概率值进行加权求和得到第三概率值，提高了对噪声的分类结果准确性。

【技术实现步骤摘要】

本专利技术涉及声音识别。更具体地，本专利技术涉及环境噪声污染智能实时识别与定位监测系统及方法。

技术介绍

1、环境监测自动化已成为环境监测的主要技术手段，这也对环境监测信息化工作提出了更高要求。同时，环境质量领域，尤其是环境噪声问题也愈加凸显。噪声污染来源复杂，源头类型多样，针对工业噪声、建筑工地施工噪声、交通噪声、社会生活噪声不同类来源。噪声事件发生之后，噪声分类若无法尽快准确判定，会影响通知责任部门处理进程。

2、相关技术中，例如公开号为cn109767785a的中国专利申请文件，公开了一种基于卷积神经网络的环境噪声识别分类方法，公开了将声音片段输入，声音特征信息（频率）被提取，输出的是分类结果，可以实现自动提取声音特征信息，并克服了现有傅立叶变换不能反映时间维度局部区域上的特征，缺少时间信息的标号不足的问题。

3、基于上述神经网络的噪声分类算法，对于目前的神经网络的噪声分类算法的分类结果的准确率存在偏差，因为对声音提取中只采用了频率特征进行识别，但对于一些噪声来说，只靠频率特征进行分类会存在部分难以界定的噪声，从而导致使用神经本文档来自技高网...

【技术保护点】

1.一种环境噪声污染智能实时识别与定位监测方法，其特征在于，包括：

2.根据权利要求1所述的环境噪声污染智能实时识别与定位监测方法，其特征在于，得到所述第帧音频数据所属的各个类型标签的第一概率值，包括：

3.根据权利要求1所述的环境噪声污染智能实时识别与定位监测方法，其特征在于，得到第帧音频数据的特征向量，包括：

4.根据权利要求3所述的环境噪声污染智能实时识别与定位监测方法，其特征在于，得到所述第帧音频数据对应各个类型标签的第二概率值，包括：

5.根据权利要求4所述的环境噪声污染智能实时识别与定位监测方法，其特征在于，所述第三概率值的计算...

【技术特征摘要】

1.一种环境噪声污染智能实时识别与定位监测方法，其特征在于，包括：

2.根据权利要求1所述的环境噪声污染智能实时识别与定位监测方法，其特征在于，得到所述第帧音频数据所属的各个类型标签的第一概率值，包括：

3.根据权利要求1所述的环境噪声污染智能实时识别与定位监测方法，其特征在于，得到第帧音频数据的特征向量，包括：

4.根据权利要求3所述的环境噪声污染智能实时识别与定位监测方法，其特征在于，得到所述第帧音频数据对应各个类型标签的第二概率值，包括：

5.根据权利要求4所述的环境噪声污染智能实时识别与定位监测方法，其特征在于，所述第三概率值的计算公式为：

6...

【专利技术属性】
技术研发人员：吕文杰，丁晓晓，黄广，付志明，井传发，李虹杰，
申请(专利权)人：武汉天虹环保产业股份有限公司，
类型：发明
国别省市：