[发明专利]基于声谱图双特征的动物声音识别方法

权利要求书

1.一种基于声谱图双特征的动物声音识别方法，其特征在于包括以下步骤：

步骤S1：建立一声音样本库，用以预存声音样本；

步骤S2：采集待识别的声音信号；

步骤S3：分别将所述预存声音样本及待识别的声音信号转化成声谱图；

步骤S4：将所述声谱图进行规范化，并对所述规范化后的声谱图进行特征值分解和投影，将其转化得到一投影特征X_K；

步骤S5：将所述声谱图转化成等价LBP值矩阵u，统计每一个等价LBP值对应的像素与周围像素灰度值的方差，形成一特征向量LBPV；

步骤S6：将所述投影特征X_K和特征向量LBPV结合，形成双层特征X_K+LBPV；

步骤S7：以所述声音样本库中预存声音样本对应的双层特征集为训练样本集，以待识别的声音信号对应的双层特征为输入样本，通过随机森林的训练，得出待识别的声音信号于声音样本库中对应的类别并输出结果。

2.根据权利要求1所述的基于声谱图双特征的动物声音识别方法，其特征在于：所述步骤S3转化过程具体内容如下：对所述预存的声音样本或采集的声音信号进行STFT，得到其幅度谱S(t,f)，其中，t为帧索引，f为频率索引，对应的幅度谱S(t,f)的值转化为灰度级所构成的二维图像即为所述声谱图。

3.根据权利要求2所述的基于声谱图双特征的动物声音识别方法，其特征在于：所述步骤S4的具体内容如下：

将所述幅度谱S(t,f)第t帧的数据视为一个向量所述向量包含N个频率数据，进一步，将所述向量转化为规范化的log尺度向量S_t：

所述规范化的log尺度向量S_t表示规范化的log尺度的第t个帧的数据；

假设所述幅度谱S(t,f)共有M个帧，将所述M个帧的向量表示为一声谱图矩阵X＝[S₁,…,S_t,…S_M]^T，X∈R^M×N，由于特征分解的对象为方阵，因此，计算C＝X^TX得到矩阵X的协方差矩阵C∈R^N×N，按以下公式利用特征值分解对所述协方差矩阵C降维：

C＝UΛU^T (3)

C＝λ₁u₁u′₁+λ₂u₂u′₂+…+λ_Nu_Nu′_N (5)

C≈λ₁u₁u₁′+λ₂u₂u₂′+…+λ_Ku_Ku_K′,K＜＜N (6)

其中，矩阵U∈R^N×N包含矩阵C的所有特征向量μ₁,…,μ_N，Λ是对角矩阵，其对角线上的元素是特征值λ₁,…,λ_N，所述特征值λ₁,…,λ_N代表对应特征向量的权重，而且λ₁≥λ₂≥…≥λ_N，再通过以下公式计算前K个特征值的贡献比重η_K来衡量前K个特征向量在表示声音中的重要性：

矩阵U携带了声音的主要信息，选取前K个特征向量组成基本向量矩阵U_K∈R^N×K，所述投影特征X_K是对所述声谱图矩阵X在所述基本向量矩阵U_K∈R^N×K上进行投影：

X_K＝XU_K (8)

其中X_K∈R^M×K。