实验方法 - kuasedutw.docVIP

Study on Separating Mixed Frog Sounds Using Sparse Non-negative Matrix Factor 2-D Deconvolution Combined With Mask Wen-Ping Chen1,*, Cheng Chung Chang1, Fu-Shan Chou2, Ya-Zhung Chen1, and Wen-Chih Lin2 1Department of Electrical Engineering, National Kaohsiung University of Applied Sciences 2Liu-Kuei Research Center, Taiwan Forestry Research Institute E-mail: pen@mail.ee.kuas.edu.tw 摘要 (Abstract) 傳統生態調查皆以耗時又費力的人力方式進行，所幸在資通訊技術的蓬勃發展下，野外自動錄音方式已取而代之。然而錄製的龐大聲景資料量卻形成人員分析上的困擾，因此專家學者紛紛以聲紋辨識技術來解決，其中動態時軸扭曲法(Dynamic Time Warping, DTW)、支持向量機(Support Vector Machines, SVM)與整體平均聲紋頻譜法(Spectral Ensemble Average Voice Prints, SEAV)常被應用於聲紋辨識上，但當聲紋的頻率變化較豐富時，其辨識效果將大受影響。故本文提出一種多段式平均頻譜法(Multi-Stage Average Spectrum, MSAS)以提升辨識效果，此法結合音節長度特徵分類 (Feature Classification of Syllable Length)可更加提升辨識系統的成效。在17種蛙類，660個蛙鳴測試音節的實驗中發現，本文所提之方法將比DTW、SVM與SEAV等方法具有更優異的辨識能力。 關鍵詞：聲紋辨識(Speaker Recognition)、動態時軸扭曲(Dynamic Time Warping)、支持向量機(Support Vector Machines)、多段式平均頻譜法(Multi-Stage Average Spectrum) 前言 (Introduction) (a) Time domain signaling (b) Frequency domain signaling Fig 1. 拉都希氏赤蛙與梭德氏赤蛙(Rana latouchii and Sauters brown)混音鳴叫訊號 (a) Time domain signaling (b) Frequency domain signaling Fig 2. 拉都希氏赤蛙(Rana latouchii)分離之鳴叫訊號 (a) Time domain signaling (b) Frequency domain signaling Fig 3. 梭德氏赤蛙(Sauters brown)分離之鳴叫訊號 Architecture of Separating Mixed Frog Sounds Fig 4. 分離架構圖 訊號前處理 (Signal Preprocess) [9]進行訊號前處理，將原本的時域訊號轉換成時頻訊號，而要對訊號進行短時距傅立葉轉換有3個步驟，分別為取分析視窗(Analysis Window)、窗函數(Window Function)與訊號轉換(Signal Conversion)。 取分析視窗(Analysis Window) 為了要得到訊號的頻率與時間之關係，必須先對訊號用較小的時間單位來取分析視窗，分析視窗長度一般為10ms至40ms，而每擷取完一段分析視窗後，必須移動視窗到下一個時間點繼續執行同樣的動作，直到整段訊號被擷取完為止。假設視窗長度為N，則擷取第一個分析視窗為： (1) 其中s(n)為原始訊號。 為了要得到訊號頻率隨著時間改變的延續性，因此分析視窗的移動通常會與前一分析視窗進行部分重疊，一般都採取重疊50%。 窗函數(Window Function) 為了得到良好的頻率響應，因此將每個分析視窗與窗函數進行相乘，，其公式如下所示： (2) 其中為乘上窗函數後的分析視窗訊號，為分析視窗的訊號，為窗函數。 一般採取的窗函數為漢明窗(Hamming Window)，