声音识别-声音分类-算法实现.ppt

《声音识别-声音分类-算法实现.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、模型框架生态环境声音信号预处理训练样本测试样本特征提取特征提取高斯混合模型判决规则投票识别结果训练识别前端处理图1基于GMM的生态环境声音识别系统设计模块预处理使用cooledit转换格式/声道，或用Matlab处理特征提取训练数据的特征提取测试数据的特征提取不同的特征提取可以分开或合在一起设计分类算法设计GMM，HMM，SVM，KNN,ANN...测试和决策特征提取%读取声音文件wav=wavread(data.filenames{i_files},[1307712]);eg.200个文件i_

2、files=1:200307712是提取的样本数（限制读取的长度，约28s）%要提取的MFCC系数个数num_ceps_coeffs=20;c.fs=11025;%采样频率%设置每帧大小（包含样本数）c.seg_size=1024;c.hop_size=512;%%c.seg_size-交叠部分=c.hop_size特征提取（MFCC）%帧数计算num_segments=floor((length(wav)-c.seg_size)/c.hop_size)+1;%初始化功率谱矩阵P=zeros(c

3、.seg_size/2+1,num_segments);%设置窗函数c.w=0.5*(1-cos(2*pi*(0:c.seg_size-1)/(c.seg_size-1)))';%汉宁窗函数%逐帧做FFTfori_p=1:num_segments,idx=(1:c.seg_size)+(i_p-1)*c.hop_size;x=abs(fft(wav(idx).*c.w)/sum(c.w)*2).^2;P(:,i_p)=x(1:end/2+1);%工程实际中经常只用单边功率谱endc.num_fi

4、lt=36;%%Mel频带数f=linspace(0,c.fs/2,c.seg_size/2+1);%初始平均划分fmel=log(1+f/700)*1127.01048;%1127.01048=2595/log10,Matlab中log=lnmel_idx=linspace(0,mel(end),c.num_filt+2);%初始平均划分mel（38个点）f_idx=zeros(c.num_filt+2,1);fori=1:c.num_filt+2,%%f_idx(i)存的是mel中与mel_

5、idx(i)最近的元素的地址[tmpf_idx(i)]=min(abs(mel-mel_idx(i)));%近似的平均划分endfreqs=f(f_idx);h=2./(freqs(3:c.num_filt+2)-freqs(1:c.num_filt));%%三角的高度c.mel_filter=zeros(c.num_filt,c.seg_size/2+1);fori=1:c.num_filt,c.mel_filter(i,:)=(f>freqs(i)&f<=freqs(i+1)).*...h(

6、i).*(f-freqs(i))/(freqs(i+1)-freqs(i))+...(f>freqs(i+1)&f

7、10(M);%DCT函数c.DCT=1/sqrt(c.num_filt/2)*...cos((0:num_ceps_coeffs-1)'*(0.5:c.num_filt)*pi/c.num_filt);c.DCT(1,:)=c.DCT(1,:)*sqrt(2)/2;%%离散余弦变换mfcc=c.DCT*M;分类算法设计（GMM示例）ncentres=16;%高斯分量个数input_dim=16;%特征维数%设置混合模型mix=gmm(input_dim,ncentres,'diag');%特征数

8、据输入siz=600;features=zeros(siz,input_dim);fork=1:sizforj=1:input_dimfeatures(k,j)=data.feat.mfcc(i_files,j,k);endend%初始化模型参数mix=gmminit(mix,features,options);options(14)=20;%迭代次数.[mix,options,errlog]=gmmem(mix,features,options);Gmmdata(i_files)=mix;分类