异常声音检测和识别系统的制作方法

异常声音检测和识别系统的制作方法
【专利摘要】异常声音检测和识别系统，是一种基于短时处理异常声音检测和识别技术，通过对异常声音进行采集、预处理、然后进行整合形成样本库，然后对样本库进行预加重、加窗分帧，最后进行特征提取，识别出结果，在安全监控方面应用可以使得在的目标跟踪系统和安全监控系统更加的完善了，性能更好了，实现方法更加简单了，系统的智能型越来越高了，在工业领域应用可以降低人工排检效率，提高生产率，有利于工业生产向着小型化、网络化、自动化、智能化的方向发展。
【专利说明】异常声音检测和识别系统

【技术领域】
[0001] 本发明涉及的是一种声音检测识别技术，特别涉及的是一种基于短时处理异常声 音检测和识别技术。

【背景技术】
[0002] 声音，它没有质量，但是它能产生能量效果；声音，它是一种纵波，但是它又不同于 光波，光有光子，它是有动量、有能量、有质量的，而在物理上只有压力的声音是没有质量。 作为声音一种的异常声音，就完全具备声音如上述所说的这些特性。
[0003] 目前，对于异常声音检测与识别技术的研究相对来说起步很晚、发展比较缓慢，而 且这类系统仍旧是沿用的是语音处理的一些方法。那么，对于既包括语音信号，又包括非语 音信号的异常声音的研究就会更加复杂、更加困难一些，但是呢，这方面的研究又有很好的 前瞻性，所以说，异常声音检测识别系统将会受到越来越多的关注。


【发明内容】

[0004] 本发明的目的是提供一种异常声音检测和识别系统，利用比较成熟的MFC(Mel频 率倒谱系数）参数，来对异样声音进行检测和识别，从而促进声音检测和识别的方式更加简 洁、商效。
[0005] 本发明的目的是这样实现的，具体步骤如下： (1)快速傅里叶变换FFT:是一种离散傅里叶变换，计算速度较快，可以将时域的异常 声音信号转换成其相应的功率谱。
[0006] (2)三角窗滤波组：滤波器组一般是由若干个线性分布的基于梅尔频率的三角窗 滤波器组，一般一组包含24个三角窗滤波器，对异常声音信号的功率谱进行滤波处理，尽 可能减小无用信号对有用信号的干扰。
[0007] (3)求对数：即对滤波器组的输出取对数，可以使异常声音信号序列的变化在一定 的范围内比较明显，而又不影响主要的变化趋势。
[0008] (4)离散余弦变换（DiscreteCosineTransformation,DCT):可以压缩样本空间， 减少各维异常声音信号之间的相关性，达到降低维数的效果，减少运算量，提高效率。
[0009] (5)谱加权：由于一些参数会受到一定条件的影响，而为提高低阶参数、高阶参数 的分辨能力比较低，就进行了该操作。
[0010] (6)倒谱均值减（CepstrumMeanSubtraction,CMS):减小异常声音信号的输入 信道对特征参数的影响。
[0011] 差分参数：众多研究发现，在异常声音特征参数中结合表征动态特性的差分参数， 这样就能够有效的改善系统的识别率、识别精度、识别范围。
[0012] 本发明还可以包括： (1)为了减少计算、方便运行、易于变换、优化系统，通常将短时能量函数简化为如下的 形式：

【权利要求】
1. 异常声音检测和识别系统，其特征在于：通过以下步骤进行参数提取： (1) 快速傅里叶变换FFT:离散傅里叶变换，将时域的异常声音信号转换成其相应的功 率谱； (2) 三角窗滤波组：滤波器组是线性分布的基于梅尔频率的三角窗滤波器组，一组24 个三角窗滤波器，对异常声音信号的功率谱进行滤波处理，减小无用信号对有用信号的干 扰； (3) 求对数：对滤波器组的输出取对数，使异常声音信号序列的变化在一定的范围内比 较明显，而又不影响主要的变化趋势； (4) 离散余弦变换：压缩样本空间，减少各维异常声音信号之间的相关性，达到降低维 数的效果，减少运算量，提高效率； (5) 谱加权：由于一些参数会受到一定条件的影响，而为提高低阶参数、高阶参数的分 辨能力比较低，就进行了该操作； (6) 倒谱均值减：减小异常声音信号的输入信道对特征参数的影响； (7) 差分参数：异常声音特征参数中结合表征动态特性的差分参数，改善系统的识别 率、识别精度、识别范围。
2. 根据权利要求1所述的异常声音检测和识别系统，其特征在于：短时能量函数为如 下的形式：
3. 根据权利要求2所述的异常声音检测和识别系统，其特征在于：加窗后，对于短时分 析时信号的平均过零率定义：
其中，Sgn[;<?)]是符号函数，其数学表达式如下：
【文档编号】G10L25/24GK104409078SQ201410752399
【公开日】2015年3月11日 申请日期:2014年12月11日 优先权日:2014年12月11日
【发明者】冯秀霞 申请人:黑龙江真美广播通讯器材有限公司