基于纹理特征与随机森林的生态声音识别.pdf

《基于纹理特征与随机森林的生态声音识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第3期计算机应用与软件V01．32No．32015年3月ComputerApplicationsandSoftwareMar．2015基于纹理特征与随机森林的生态声音识别魏静明李应(福州大学数学与计算机科学学院福州福建350108)摘要针对真实环境中普遍存在的非平稳噪声，提出一种基于纹理特征与随机森林的生态声音识别方法。该方法首先使用一种基于噪声估计的音频增强算法，即短时谱估计对输入端声音信号进行前端处理，得到增强信号功率谱；然后根据得到的增强信号功率谱图的纹理信息，采用和差统计法对其进行纹理特征提取；最后，利用基于决策树的组合分类器，即随机森林进行识别和分类。设

2、计了两组对比实验，结果表明该方法不仅有良好的识别性能，而且具有噪声鲁棒性。关键词生态声音识别短时谱估计纹理特征和差统计法随机森林中图分类号TP391．42文献标识码ADOI：1O．3969／j．issn．1000—386x．2015．03．038ECoLoGICALSoUNDSRECoGNITIoNBASEDoNTEXTUREFEATURESANDRANDoMFoRESTWeiJingmingLiYing(CollegeofMathematicsandComputer＆e，FuzhouUniversity，Fuzhou350108，Fujian，China)Abstrac

3、tInlightofnon—stationarynoisescommonlyexistedinrealenvironment，wepresentanecologicalsoundsrecognitionmethodwhichisbasedontexturefeaturesandrandomforest．Themethodfirstusesanoiseestimation．basedaudioenhancementalgorithm，i．e．theshort-timespectrumestimation，toearlyoutthefront-endprocessingons

4、oundsignalsatinputendandobtainstheenhancedsignalpowerspectrums．Thenaccordingtothetextureinformationinthesespectrums’graphitemploysthesumanddifferencehistogramtomaketexturefeaturesextraction．Finally，therandomforest，whichisanensembleclassifierbasedonthedecisiontree，isadoptedforrecognitionan

5、dclassification．Inexperimentpart，twosetsofcontrasttestsaredesigned，theresultsshowthatthismethodnotonlyhasgoodrecognitionperformance，butisalsorobusttonon—stationarynoises．KeywordsEcologicalsoundsrecognitionShort—timespectrume~imationTexturefeaturesSumanddifferencehistogram(SDH)Randomforest

6、(RF)生矩阵GLCM(GrayLevelCo—occurrenceMatrix)因其原理简单、0引言并能较好反映纹理图像而被广泛采用。但GLCM的二维表示存在占用存储空间大，提取二次统计纹理特征的过程计算量生态环境中包含着丰富的音频信息，日常生活中，最常见的大、耗时多的问题。在GLCM的改进算法中，和差统计法SDH生态声音有鸟鸣声、昆虫声、哺乳动物声以及天气声。生态声音(SumandDiferenceHistograms)的一维表示能够有效地克服识别，在对存在于其中的生命活动进行了解的同时，还可以对相GLCM的缺点。关环境做一定程度的分析。生态声音识别的一般方法，是先从

7、同时，为了进行生态声音识别，诸多单分类器模型被采用并声音片段中提取特征，然后结合分类器进行识别和分类。取得良好的识别性能，如支持向量机SVM(SupportVectorMa—原始生态声音信号经过短时傅里叶变换sT盯(Short—Timechine)[83、隐马尔科夫模型HMM(HiddenMarkovMode1)等。FourierTransform)可以得到其时频谱图，该时频谱图本质上是不过它们依然存在一些缺点，如对不同类型数据检测性能不平一幅灰度图像，因此可以通过图像特征实现生态声音识别。目衡、响应时间较长等。而随机森林RF