優(yōu)化正交匹配追蹤和短時(shí)譜估計(jì)用于聲音識(shí)別

陳秋菊，徐建國(guó)

1.茅臺(tái)學(xué)院 釀酒工程自動(dòng)化系，貴州 仁懷564500

2.國(guó)防科學(xué)技術(shù)大學(xué) 系統(tǒng)工程學(xué)院，長(zhǎng)沙410073

1 引言

隨著網(wǎng)絡(luò)多媒體數(shù)據(jù)的快速增長(zhǎng)，音頻數(shù)據(jù)的搜索具有極大的應(yīng)用價(jià)值。聲音事件的檢測(cè)和識(shí)別作為分析環(huán)境聲音信息的關(guān)鍵環(huán)節(jié)，其目的在于檢測(cè)和識(shí)別在各種噪聲和混合音頻信號(hào)中存在的聲音對(duì)象，在音頻取證、生物聲音監(jiān)控、聲場(chǎng)景分析、實(shí)時(shí)軍事關(guān)注點(diǎn)的檢測(cè)、定位跟蹤和生源分類、病人監(jiān)護(hù)、非正常事件監(jiān)測(cè)及故障診斷、遞交早期維護(hù)的關(guān)鍵信息、場(chǎng)景聲音識(shí)別、前景、背景聲音識(shí)別和分離等方面都具有重要意義。

近年來(lái)，有相關(guān)研究用聲音事件識(shí)別來(lái)提升終端對(duì)情景的自主感知能力[1-2]。Farahat 等[3]提出利用深度置信網(wǎng)絡(luò)（Deep Belief Network，DBN）提取語(yǔ)音幀的判決信息，然后采用非線性變換增加特征的抗噪性能；Phetcharat等[4]提出采用概率最優(yōu)L1稀疏度合成非負(fù)矩陣分解方法對(duì)聲音進(jìn)行分離，并用多類平均超支持向量機(jī)（Supported Vector Machine，SVM）對(duì)提取的特征進(jìn)行識(shí)別；文獻(xiàn)[5]提出將聲譜圖特征、倒譜特征和人類聽(tīng)覺(jué)接受域模型組合成聲音接受域二進(jìn)制模式，并采用分層DBN 來(lái)學(xué)習(xí)和識(shí)別該特征，在噪聲環(huán)境下提升了聲音識(shí)別精度。文獻(xiàn)[6]提出將卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）和遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）結(jié)合成卷積遞歸神經(jīng)網(wǎng)絡(luò)（CRNN）用于多音律事件識(shí)別，識(shí)別性能得到大幅提升。

這些方法從特征提取及分類角度對(duì)聲音事件的識(shí)別取得一定效果。然而，真實(shí)環(huán)境中噪聲是非平穩(wěn)的，且復(fù)雜多變，尤其是在低信噪比情況下，噪聲對(duì)聲音事件識(shí)別產(chǎn)生較大干擾。而常見(jiàn)的維納濾波、卡爾曼濾波、小波增強(qiáng)、多頻帶譜減法等傳統(tǒng)噪聲估計(jì)方法需要先驗(yàn)地獲得待檢測(cè)信號(hào)或者噪聲信號(hào)的統(tǒng)計(jì)知識(shí)。在真實(shí)環(huán)境中，這些先驗(yàn)知識(shí)很難獲取，針對(duì)該問(wèn)題，本文提出一種基于優(yōu)化正交匹配追蹤（Orthogonal Matching Pursuit，OMP）和短時(shí)譜估計(jì)的聲音事件識(shí)別方法，采用信號(hào)稀疏性，將信號(hào)稀疏分解重構(gòu)進(jìn)行自適應(yīng)表示，無(wú)需預(yù)先獲得其先驗(yàn)知識(shí)，且能有效地重構(gòu)和保留聲音信號(hào)的主體部分，去除與聲音信號(hào)相關(guān)度較低的噪聲成分，自適應(yīng)性更強(qiáng)。而采用的短時(shí)譜估計(jì)方法能實(shí)時(shí)動(dòng)態(tài)地估計(jì)環(huán)境聲中的噪聲功率譜，從而有效地保留聲音信號(hào)的有效成分。該方法首先對(duì)聲音信號(hào)進(jìn)行優(yōu)化OMP 稀疏分解和短時(shí)譜估計(jì)二次重構(gòu)，然后分別從時(shí)域、頻域和時(shí)頻域提取復(fù)合抗噪特征OOMP，最后采用DBN進(jìn)行分類。具體流程如圖1所示。

2 優(yōu)化OMP稀疏分解

2.1 OMP稀疏分解

OMP算法[7-11]是在匹配跟蹤（Matching Pursuit，MP）算法的基礎(chǔ)上，將每次稀疏分解迭代挑選出的最優(yōu)原子利用Gram-Schmidt 方法與已選擇的原子集合進(jìn)行正交化處理，在保證相同精度的前提下，加快收斂速度。

假設(shè)長(zhǎng)度為N 的聲音信號(hào)f，首先構(gòu)造一個(gè)過(guò)完備字典D=(gγ)γ∈Γ，Γ 為γ 的集合。本文選擇的Gabor字典[12]是由一個(gè)調(diào)制的高斯窗函數(shù)構(gòu)成，

其中，平移因子u 是原子的中心位置；伸縮因子s，頻率因子v 和相位因子w 定義原子gγ的波形。實(shí)際應(yīng)用中需要對(duì)時(shí)-頻參數(shù)γ=（s,u,v,w）進(jìn)行離散化[12]：

其中，0 ＜j ≤lb N,0 ≤p ≤N2-j+1，0 ≤k ＜2j+1，0 ≤i ≤12，a=2，Δu=1/2，Δv=π，Δw=π/6。對(duì)于長(zhǎng)度為256的聲音信號(hào)，過(guò)完備字典中包含Num=52(N lb N+N-1)=119 756個(gè)原子。

OMP稀疏分解步驟如下：

（1）初始化信號(hào)殘差R0=f，迭代次數(shù)k=1，最大迭代次數(shù)kmax，已選原子集合p1=gr1，歸一化后得到u1。

（2）從過(guò)完備原子字典D 中選出第k 次迭代與信號(hào)殘差最為相關(guān)的原子gγk：

（3）利用Gram-Schmidt方法將gγk關(guān)于已選原子集{gγk}(0 ＜p ≤k)正交化得到投影pk：

（4）將殘差投影到uk上得到新的殘差Rk+1。

圖1 基于優(yōu)化OMP和短時(shí)譜估計(jì)的聲音事件識(shí)別流程圖

（5）若未達(dá)到最大迭代次數(shù)kmax，設(shè)置k=k+1，返回（2）；否則轉(zhuǎn)至（6）。

（6）經(jīng)過(guò)逐次迭代稀疏分解得到一系列原子，輸出第kmax次的近似原子展開(kāi)式：

即對(duì)聲音信息進(jìn)行OMP稀疏分解重構(gòu)。

2.2 優(yōu)化OMP稀疏分解

由于OMP 稀疏分解步驟（2）從過(guò)完備字典D 中選擇最優(yōu)原子時(shí)計(jì)算復(fù)雜度高，采用粒子群算法（Particle Swarm Optimization，PSO）復(fù)雜空間最優(yōu)解搜索的優(yōu)點(diǎn)[13-14]對(duì)最優(yōu)原子搜索過(guò)程進(jìn)行優(yōu)化。具體的流程如圖2所示。

圖2 PSO優(yōu)化OMP最優(yōu)原子搜索過(guò)程

在該優(yōu)化算法中，將時(shí)-頻參數(shù)組γ=(s,u,v,w)作為待優(yōu)化的參數(shù)，對(duì)應(yīng)第k 次分解時(shí)粒子i 在字典空間中所處的位置：

將時(shí)-頻原子與第k 次分解時(shí)信號(hào)的殘差的內(nèi)積|＜Rk,gγk＞|作為適應(yīng)值函數(shù)f[ xi(k )]，用來(lái)衡量粒子所處位置的質(zhì)量。根據(jù)粒子群的移動(dòng)和聚集，得到一個(gè)具有最大適應(yīng)值的位置，即最優(yōu)原子參數(shù)。

PSO優(yōu)化搜索詳細(xì)過(guò)程如下：

（1）初始化PSO種群規(guī)模n，迭代次數(shù)k=1，最大迭代次數(shù)kmax，搜索范圍[xmin,xmax]，速度范圍[vmin,vmax]，隨機(jī)生成每個(gè)粒子i 的初始速度和位置，計(jì)算其初始適應(yīng)值f[ xi(k )]，并設(shè)置為粒子i 的當(dāng)前個(gè)體最優(yōu)解pbest(i)，將最大的pbest(i)設(shè)置為種群最優(yōu)解gbest。

（2）更新每個(gè)粒子的速度與位置。判斷粒子的速度是否超出界限，如果出界更新；判斷粒子的位置是否在過(guò)完備原子字典中，如果不在，則取邊界值代替粒子的位置。

其中α 為收斂因子，α 越大收斂速度越快；c1和c2為學(xué)習(xí)因子；r 為（0，1）之間均勻分布的隨機(jī)數(shù)；w 為慣性權(quán)重因子，w 較大則具有較強(qiáng)的全局搜索能力，較小則傾向于局部搜索。

但是，w 取值太大，可能導(dǎo)致粒子速度過(guò)大從而跳過(guò)最優(yōu)解，w 取值太小則可能導(dǎo)致粒子搜索前期收斂速度太慢。本文采用線性慣性權(quán)重遞減策略，w 值隨迭代次數(shù)線性遞減。

（3）為了避免局部最優(yōu)現(xiàn)象，設(shè)置變異概率p，對(duì)粒子進(jìn)行位置變異。

（4）計(jì)算粒子的適應(yīng)值f[ xi( k+1) ]，如果該值優(yōu)于當(dāng)前的個(gè)體極值點(diǎn)pbest(i)，則用當(dāng)前粒子所處位置更新pbest(i)；如果所有粒子中pbest(i)優(yōu)于當(dāng)前的種群最優(yōu)解gbest，則更新gbest。

（5）如果k>kmax，則終止迭代，輸出gbest對(duì)應(yīng)的時(shí)-頻參數(shù)組，即最優(yōu)原子；否則，令k=k+1，轉(zhuǎn)至（2），并更新信號(hào)或者信號(hào)殘差。

重復(fù)多次上述過(guò)程，實(shí)現(xiàn)優(yōu)化的OMP 信號(hào)稀疏分解，保存分解結(jié)果并重構(gòu)信號(hào)。

如果以重構(gòu)信號(hào)和原始信號(hào)的均方誤差（Mean Squared Error，MSE）：

為衡量重構(gòu)信號(hào)的質(zhì)量的標(biāo)準(zhǔn)，其中N 為信號(hào)長(zhǎng)度，n為采樣點(diǎn)索引值，f′(n)為重構(gòu)后的信號(hào)，f(n)為原始信號(hào)。那么，MSE值越大，重構(gòu)質(zhì)量越差，MSE值越小，重構(gòu)質(zhì)量越好。

3 基于優(yōu)化OMP和短時(shí)譜估計(jì)的二次重構(gòu)

優(yōu)化OMP稀疏分解的過(guò)程是按照能量大小和相關(guān)度高低依次在每輪迭代中選擇最優(yōu)原子組成重構(gòu)信號(hào)的支撐集，而噪聲是對(duì)帶噪聲音信號(hào)進(jìn)行低維投影，當(dāng)觀測(cè)維數(shù)足夠包含有用信息時(shí)，噪聲不具有稀疏性[15]，從而保留聲音信號(hào)的主體部分。

由于優(yōu)化OMP稀疏分解得到的是聲音信號(hào)的主體部分，進(jìn)一步提高聲音信號(hào)的精度將導(dǎo)致優(yōu)化OMP 稀疏分解的計(jì)算量不斷增加。因此，采用短時(shí)譜估計(jì)算法[16]對(duì)殘余聲音信號(hào)做增強(qiáng)處理，補(bǔ)償優(yōu)化OMP 稀疏分解時(shí)缺失嚴(yán)重的聲音信號(hào)，完成聲音信號(hào)的二次重構(gòu)，提高重構(gòu)聲音信號(hào)的精度。

短時(shí)譜估計(jì)聲音增強(qiáng)算法步驟如下：

（1）對(duì)優(yōu)化OMP 稀疏分解后殘余聲音信號(hào)進(jìn)行短時(shí)傅里葉變換，得到短時(shí)幅度譜Y( )λ,k ，對(duì)其做一階平滑處理得到功率譜：

其中，λ 為幀索引，k 為頻率索引，α 為平滑因子，根據(jù)實(shí)際情況，本文α=0.7，|Y ( λ ,k)|2為殘余信號(hào)的功率譜。

（2）采用雙向搜索算法計(jì)算P(λ,k)的最小值Pmin(λ,k)：

其中，Pf(λ,k)為前向搜索的最小值，Pb(λ,k)為后向搜索的最小值。

（3）計(jì)算有效信號(hào)存在的概率：

其中，c 為一個(gè)常量，通常設(shè)置為0.2。

H(λ,k)是有效信號(hào)存在的判別準(zhǔn)則，當(dāng)H（λ,k）值為0時(shí)，表示該幀不存在有效信號(hào)，當(dāng)H（λ,k）值為1時(shí)，表示該幀存在有效信號(hào)。δ（k）是判決是否存在有效信號(hào)的閾值，當(dāng)k 小于1 kHz或界于1至3 kHz時(shí)，取δ(k)=2，當(dāng)k 界于3 kHz 到信號(hào)采樣頻率的一半時(shí)，取δ(k)=5，其他取1.5。

（4）計(jì)算時(shí)頻平滑因子：

其中，α1為常量平滑因子，設(shè)置為0.85。

（5）根據(jù)步驟（4）得到的時(shí)頻平滑因子σ(λ,k)去估計(jì)噪聲的功率譜：

（6）根據(jù)步驟（5）得到的噪聲功率譜去計(jì)算頻譜的增益因子：

（7）計(jì)算增強(qiáng)后的聲音信號(hào)功率譜：

最后，將優(yōu)化OMP 稀疏分解信號(hào)的功率譜Y1( )λ,k與經(jīng)過(guò)短時(shí)譜估計(jì)增強(qiáng)后的聲音功率譜作加權(quán)求和，得到二次重構(gòu)的聲音信號(hào)功率譜，對(duì)其進(jìn)行短時(shí)傅里葉逆變換成重構(gòu)信號(hào)。

4 復(fù)合抗噪特征提取與DBN識(shí)別

4.1 復(fù)合抗噪特征提取

為了更好地刻畫(huà)聲音信號(hào)，本文從時(shí)域、頻域、時(shí)頻域分別提取了基頻特征（Pitch）、MFCC特征、優(yōu)化OMP特征，組成一個(gè)復(fù)合抗噪特征OOMP：

其中，Pitch 特征采用循環(huán)平均幅度差（CAMDF）函數(shù)提取，k 是計(jì)算第λ 幀聲音信號(hào)的采樣點(diǎn)偏移，m=0,1,…,N-1。

MFCC特征是對(duì)聲音信號(hào)分幀加窗，采用24階Mel濾波器組濾波后作離散余弦變換而得。

優(yōu)化OMP 特征是對(duì)重構(gòu)聲音信號(hào)提取時(shí)-頻參數(shù)組γ=(s,u,v,w)中s 和v 的均值和標(biāo)準(zhǔn)差構(gòu)成。

其中，λ 表示每幀聲音信號(hào)對(duì)應(yīng)的幀索引。

4.2 DBN識(shí)別

DBN[17-19]是由多層受限玻爾茲曼機(jī)（Restricted Boltzmann Machine，RBM）組成的概率生成模型，首先采用貪心逐層無(wú)監(jiān)督學(xué)習(xí)算法自底向上的對(duì)輸入數(shù)據(jù)進(jìn)行提取和抽象，然后采用有監(jiān)督的方法對(duì)網(wǎng)絡(luò)權(quán)重值進(jìn)行調(diào)整和優(yōu)化深層結(jié)構(gòu)，實(shí)現(xiàn)訓(xùn)練的整體最優(yōu)，可以有效地表示和訓(xùn)練非線性數(shù)據(jù)，克服傳統(tǒng)分類器數(shù)據(jù)過(guò)擬合的問(wèn)題。通過(guò)對(duì)多層RBM的學(xué)習(xí)，前一層RBM隱層的輸出作為下一層RBM 可視層的輸入，并在最后一層采用BP 網(wǎng)絡(luò)進(jìn)行微調(diào)，調(diào)整DBN 網(wǎng)絡(luò)模型參數(shù)，優(yōu)化模型的分類性能。

5 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析

5.1 聲音樣本

實(shí)驗(yàn)采用的40類聲音均來(lái)自Freesound[20]聲音數(shù)據(jù)庫(kù)。分為哺乳動(dòng)物叫聲、鳥(niǎo)叫聲和昆蟲(chóng)叫聲3 大類，每類聲音有30個(gè)樣本，具體如表1所示。每個(gè)樣本是單聲道“.wav”格式，采樣率為44.1 kHz，聲音長(zhǎng)度為2 s，量化精度為16 位的聲音片段。實(shí)驗(yàn)中隨機(jī)選取20 個(gè)純凈聲音樣本作為訓(xùn)練樣本，剩余10 個(gè)樣本混合不同的環(huán)境噪聲組成多組測(cè)試樣本。實(shí)驗(yàn)用到的3 種噪聲為SONY ICD-UX512F 錄音棒以44.1 kHz 的采樣頻率錄取的真實(shí)環(huán)境噪聲，分別為風(fēng)聲、雷雨聲和雨天湖邊聲，按信噪比-5 dB、0 dB、10 dB、20 dB、30 dB 混入純凈聲音用于測(cè)試。

5.2 參數(shù)設(shè)定

（1）PSO 優(yōu)化OMP 稀疏分解時(shí)根據(jù)文獻(xiàn)[13-14]及多次實(shí)驗(yàn)經(jīng)驗(yàn)設(shè)定n=20，kmax=20，xmax=N，vmax=2 π，α=0.729，c1=c2=2，wmax=0.95，wmin=0.4，p=0.2。

表1 聲音樣本集

（2）DBN 網(wǎng)絡(luò)中的相關(guān)參數(shù)根據(jù)文獻(xiàn)[17-19]以及多次實(shí)驗(yàn)做如下設(shè)定：第一層服從高斯分布的RBM 的學(xué)習(xí)率為0.001，迭代次數(shù)為200，剩余的二值型RBM的學(xué)習(xí)率為0.025，迭代次數(shù)為100次，動(dòng)量為0.5。經(jīng)多次實(shí)驗(yàn)經(jīng)驗(yàn)，本文采用隱層數(shù)為4層，隱層單元數(shù)為512的DBN網(wǎng)絡(luò)。

（3）對(duì)比實(shí)驗(yàn)中SVM直接利用LIBSVM[21]工具箱進(jìn)行訓(xùn)練和測(cè)試建模，核函數(shù)為徑向基函數(shù)，懲罰因子c=2，核參數(shù)g=2.8。綜合考慮本文實(shí)驗(yàn)樣本數(shù)量和特征維度以及文獻(xiàn)[22]建議，RF中決策樹(shù)的個(gè)數(shù)和分類屬性個(gè)數(shù)，分別為500和5。

5.3 實(shí)驗(yàn)設(shè)計(jì)

（1）優(yōu)化OMP稀疏分解和基于優(yōu)化OMP和短時(shí)譜估計(jì)二次重構(gòu)的增強(qiáng)效果及識(shí)別效果對(duì)比，初步驗(yàn)證基于優(yōu)化OMP和短時(shí)譜估計(jì)二次重構(gòu)精度高。

（2）在不同環(huán)境、不同信噪比中，采用小波增強(qiáng)[23]、多頻帶譜減法[24]和本文方法提取MFCC特征，驗(yàn)證不同聲音增強(qiáng)算法的抗噪性。

（3）各種環(huán)境下GLCM特征[19]、HOG特征[25]、LBP特征和本文的抗噪復(fù)合特征OOMP 識(shí)別率對(duì)比，驗(yàn)證OOMP特征能更好的表征聲音。

（4）本文與MP 結(jié)合SVM 的方法[26]和APNCC 結(jié)合SVM 的方法[27]的識(shí)別性能進(jìn)行對(duì)比，進(jìn)一步證實(shí)本文所提方法，在不同環(huán)境不同信噪比下，對(duì)聲音事件識(shí)別的有效性。

5.4 實(shí)驗(yàn)結(jié)果與分析

5.4.1 基于優(yōu)化OMP和短時(shí)譜估計(jì)二次重構(gòu)對(duì)比

為驗(yàn)證本文提出的基于優(yōu)化OMP和短時(shí)譜估計(jì)二次重構(gòu)的效果，采用一段包含兩個(gè)有效音節(jié)的山斑鳩聲音信號(hào)為例。圖3 表示優(yōu)化OMP 稀疏分解和基于優(yōu)化OMP 和短時(shí)譜估計(jì)二次重構(gòu)頻譜圖。其中，圖3（a）和（b）是原始山斑鳩聲音信號(hào)和添加10 dB流水噪聲的頻譜圖，圖3（c）和（d）是采用優(yōu)化OMP 稀疏分解首次重構(gòu)和殘余聲音信號(hào)的頻譜圖，圖3（e）是采用短時(shí)譜估計(jì)對(duì)殘余聲音信號(hào)進(jìn)行增強(qiáng)處理的頻譜圖，圖3（f）是對(duì)（b）進(jìn)行優(yōu)化OMP 稀疏分解和短時(shí)譜估計(jì)二次重構(gòu)的頻譜圖。

圖3 優(yōu)化OMP稀疏分解和基于優(yōu)化OMP和短時(shí)譜估計(jì)二次重構(gòu)頻譜圖

從圖3 可以看出，經(jīng)過(guò)優(yōu)化OMP 稀疏分解后聲音信號(hào)的主體部分得到保留，與聲音信號(hào)相關(guān)度低的噪聲被去除，但是聲音信號(hào)也有部分失真。采用短時(shí)譜估計(jì)作二次重構(gòu)后，聲音信號(hào)和原始聲音相似度更高，說(shuō)明優(yōu)化OMP系數(shù)分級(jí)和短時(shí)譜估計(jì)二次重構(gòu)能有效地重構(gòu)噪聲環(huán)境下的聲音信號(hào)。

圖4 表示優(yōu)化OMP 稀疏分解首次重構(gòu)和基于優(yōu)化OMP 和短時(shí)譜估計(jì)二次重構(gòu)的均方誤差圖。其中，MSE1 表示優(yōu)化OMP 稀疏分解聲音信號(hào)和帶噪聲信號(hào)之間的均方誤差，MSE2表示基于優(yōu)化OMP和短時(shí)譜估計(jì)二次重構(gòu)聲音信號(hào)和帶噪聲信號(hào)之間的均方誤差。MSE1 的曲線在MSE2 的曲線的上方，說(shuō)明本文方法能更加有效的重構(gòu)聲音信號(hào)，重構(gòu)精度更高。

圖4 首次重構(gòu)與二次重構(gòu)質(zhì)量圖

表2 基于優(yōu)化OMP和短時(shí)譜估計(jì)二次重構(gòu)識(shí)別性能%

圖5 3種噪聲環(huán)境下不同聲音增強(qiáng)方法的識(shí)別率

為進(jìn)一步地驗(yàn)證本文二次重構(gòu)性能，模擬真實(shí)的環(huán)境聲，對(duì)測(cè)試樣本分別添加信噪比為-5 dB、0 dB、5 dB、10 dB、20 dB和30 dB的風(fēng)聲、雷雨聲和雨天湖邊聲3種自然噪聲，提取MFCC特征，采用SVM分類器中進(jìn)行分類，識(shí)別性能如表2所示。

從表2 中看出，經(jīng)優(yōu)化OMP 稀疏分解后，在3 種噪聲環(huán)境6 種信噪比下，其平均識(shí)別率分別為41.63%、42.48%和36.68%，而優(yōu)化OMP 和短時(shí)譜估計(jì)二次重構(gòu)后，其平均識(shí)別率分別為49.34%、51.82%和44.77%，比優(yōu)化OMP 稀疏分解高7.71%、9.34%和8.09%。從而可以看出本文方法可以提高重構(gòu)精度，在低信噪比時(shí)，識(shí)別率有大幅的提升，能有效地重構(gòu)聲音信號(hào)。

5.4.2 不同聲音增強(qiáng)算法在不同環(huán)境及信噪比下對(duì)比

對(duì)測(cè)試樣本添加信噪比為-5 dB、0 dB、5 dB、10 dB、20 dB 和30 dB 的3 種環(huán)境聲，分別采用小波增強(qiáng)[23]、多頻帶譜減法[24]和優(yōu)化OMP和短時(shí)譜估計(jì)二次重構(gòu)方法提取MFCC 特征，采用上述實(shí)驗(yàn)選取的DBN 分類器進(jìn)行分類識(shí)別。圖5給出不同聲音增強(qiáng)算法在3種噪聲下的識(shí)別情況。

從圖5 可以看出，3 種聲音增強(qiáng)方法在不同信噪比下，小波增強(qiáng)的識(shí)別效果較差，多頻帶譜減法的識(shí)別性能適中，優(yōu)化OMP 和短時(shí)譜估計(jì)二次重構(gòu)的識(shí)別性能最好，說(shuō)明本文提出的方法在噪聲環(huán)境下識(shí)別性能較好。

5.4.3 不同特征在無(wú)環(huán)境聲和不同環(huán)境及信噪比下識(shí)別率對(duì)比

為了驗(yàn)證OOMP 特征的抗噪性，將OOMP 特征與GLCM 特征[9]、HOG 特征[23]和LBP 特征對(duì)比。表3 給出在無(wú)環(huán)境聲下，對(duì)重構(gòu)聲音信號(hào)提取OOMP特征、GLCM特征、HOG特征和LBP特征在DBN中的識(shí)別率。

表3 無(wú)噪聲條件下不同特征的比較

從表3可以看出，在無(wú)環(huán)境聲時(shí)，4種特征的識(shí)別率都高，除了LBP 特征為87.56%以外，其余的都超過(guò)了90%，說(shuō)明這幾個(gè)特征在無(wú)噪聲情況下都能較好地刻畫(huà)聲音信號(hào)。

為驗(yàn)證在有環(huán)境噪聲時(shí)各種特征的識(shí)別性能，圖6給出4 種特征在信噪比為-5 dB、0 dB、5 dB、10 dB、20 dB和30 dB的風(fēng)聲噪聲中的識(shí)別性能。

從圖6 看出，在風(fēng)聲噪聲環(huán)境中，OOMP 特征，無(wú)論是在低信噪比還是高信噪比下，其識(shí)別率都是最高的，在高信噪比時(shí)甚至達(dá)到90%以上。在低信噪比，如-5 dB，依然能達(dá)到識(shí)別率為50.34%，說(shuō)明OOMP 特征是一個(gè)適合在噪聲環(huán)境下的抗噪性特征，能夠有效地刻畫(huà)聲音信號(hào)。

圖6 風(fēng)聲噪聲下不同特征的識(shí)別性能

5.4.4 與其他方法對(duì)比

這一步中，采用本文提出的方法與MP結(jié)合SVM的方法[26]和APNCC 特征結(jié)合SVM 的方法[27]對(duì)比，在3 種噪聲環(huán)境不同信噪比下的識(shí)別率，如圖7所示。

圖7 本文方法與其他方法在3種噪聲環(huán)境下的識(shí)別率

從圖7可以看出，MP特征結(jié)合SVM的方法的平均識(shí)別率最低，為48.94%。尤其在0 dB以下，都無(wú)法正常識(shí)別聲音事件。APNCC 特征結(jié)合SVM 的方法的平均識(shí)別率為57.30%，識(shí)別性能優(yōu)于MP 特征結(jié)合SVM 的方法，但是差于本文優(yōu)化OMP 和短時(shí)譜估計(jì)結(jié)合DBN的方法。本文提出的方法，在3 種噪聲環(huán)境下，無(wú)論是高信噪比還是低信噪比，識(shí)別性能都優(yōu)于其他方法，平均識(shí)別率為70.44%，識(shí)別率分別比前兩種高21.50%和13.14%。

6 結(jié)論

實(shí)驗(yàn)表明，本文提出的基于優(yōu)化OMP 和短時(shí)譜估計(jì)結(jié)合DBN 的聲音事件識(shí)別方法，能有識(shí)別各種環(huán)境下不同信噪比的聲音事件；而且在不同環(huán)境不同信噪比下，本文方法與現(xiàn)有的APNCC 結(jié)合SVM 的方法和MP結(jié)合SVM 方法進(jìn)行比較，識(shí)別性能有一定優(yōu)勢(shì)。實(shí)驗(yàn)結(jié)果說(shuō)明本文提出的方法對(duì)于各種環(huán)境下聲音事件識(shí)別具有一定效果。下一階段，將研究分析聲音信號(hào)更為微弱、環(huán)境更為復(fù)雜和信噪比更低的聲音事件識(shí)。