行车噪声环境下基于人耳频率选择特性的声学特征提取方法.docVIP

行车噪声环境下基于人耳频率选择特性的声学特征提取方法 　　摘 要：本文提出了一种基于加权Mel滤波器组的声学特征提取方法。该方法通过提取音频信号中的共振峰信息，使用动态自适应方法对中高频部分的Mel滤波器组进行加权，从而模仿人耳覆膜的频率选择映射。相比较于传统的MFCC特征，更适用于行车噪声环境下的快速声学事件检测任务；弥补了传统的Mel滤波器组高频部分分辨率低，从而导致对噪声鲁棒性较差的问题。实验结果表明：在信噪比较低的行车环境中，该特征有助于提高声学事件的检出率。 　　关键词：声学事件检测；鲁棒性特征提取；行车噪声环境；动态自适应；MFCC 　　中图分类号：TP391.4 文献标识号：A 文章编号：2095-2163（2014）02- 　　An acoustic feature extraction approach based on frequency selectivity of human auditory under driving noisy environments 　　PEI Xiaozhong， ZHENG Tieran， HAN Jiqing 　　（School of Computer Science and Technology， Harbin Institude of Technology， Harbin 150001，China） 　　Abstract：This paper presents an acoustic feature extraction approach based on weighting Mel filter banks. By extracting the formant information of audio signal， this method uses dynamic adaptive method for weighting high-frequency part of the Mel filter bank to achieve the purpose of simulating the auditory frequency selection mapping. Compared to the conventional MFCC feature， the proposed feature is more suitable for the fast acoustic event detection under driving noise task and makes up the poor robustness of the traditional methods which is resulting with the low resolution of Mel filter bank at the high-frequency part. The experiments show that the proposed feature helps to improve the detection rate of acoustic events in the low SNR driving environment. 　　Keyword： Acoustic Event Detection； Robust acoustic feature extraction； driving noisy environments； Dynamic Adaptive； MFCC 　　0引 言 　　声学事件检测（Acoustic Event Detection， AED）就是检测当前环境中发生的特定目标声学事件，然后把检测出的声学事件转换为人类或者智能设备可以理解的信号，为人类或者智能设备的决策提供信息。在声学事件检测研究中，研究者们做出了大量的贡献。目前研究主要聚焦在提取适合检测任务要求的声学特征表示和声学事件的分类算法方面。在声学特征方面，研究者们尝试了各种声学特征，如：梅尔倒谱系数（Mel-frequency cepstral coefficients， MFCC）[1]、线性预测倒谱系数（Linear prediction cepstral coefficients， LPCC）[2]、 基频（Pitch）[3]、频谱质心（Spectral centroid）[4]等。在声学事件的分类方法中，研究者们也尝试了各种不同的方法，包括基于支持向量机（Support Vector Machine， SVM） 方法、隐马尔科夫模型（Hidden Markov Model， HMM）方法、人工神经网络（Artificial Neural Network， ANN）方法