[发明专利]一种基于卷积神经网络的异常声音信号识别方法

说明书

本发明提供一种基于卷积神经网络的异常声音信号识别方法，涉及声信号分类与识别技术领域。该方法首先利用现有的异常声音库采集6种异常声音样本，构成样本声音库，并形成带噪样本；然后对样本声音库中的声音进行预处理，并按照在时间和频域两个维度上排列成为二维的声音特征图，作为卷积神经网络模型的输入；使用代价函数计算训练集的实际输出结果与标签结果之间的误差，利用反向传播算法传递差值，并更新卷积神经网络的全连接层中的权值向量；使用监督学习方法训练卷积神经网络模型；最后输入测试集中的数据，验证卷积神经网络模型的准确性。本发明提供的基于卷积神经网络的异常声音信号识别方法，能够更加高效准确的识别出异常声音信号。

技术领域

本发明涉及声信号分类与识别技术领域，尤其涉及一种基于卷积神经网络的异常声音信号识别方法。

背景技术

工业生产过程中持续产生的噪声会对人体造成多方面的伤害，对人体的听力系统、神经系统有长期不可逆损伤；另一方面持续大量的噪声会淹没生产中有用的声信号，比如发生事故或危险后无法及时听到报警信号，铃声等，不能及时主动逃脱危险，对现场人们造成更大伤害，因此除了需要应用各种技术手段消除或减小工作环境中的噪声之外，对于难以彻底消除的噪声，要能在噪声环境中及时监控并辨别各类危险信号或警报声音信号，提高预警危险事件的准确率。对此类警示性声音识别中的采集过程相对于图像识别过程相比，更为容易简单，存储需求也更小，因此，对于声音信号的识别与分类的计算复杂度相对较低，效率也可以有效的提高，亦可以用于隐私性较高的环境。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于卷积神经网络的异常声音信号识别方法，实现对异常声音的分类。

为解决上述技术问题，本发明所采取的技术方案是：一种基于卷积神经网络的异常声音信号识别方法，包括以下步骤：

步骤1、通过语音采集系统对声音进行采集，利用现有的异常声音库，共采集爆炸声、建筑坍塌声、撞击声、警报声、铃声、呼救声6种异常声音，每种声音采集N个样本，共采集6N个样本，构成样本声音库，其中包括五种不同的信噪比，分别为0dB、5dB、10dB、15dB与无噪声；并将采集的样本利用babble噪声形成带噪样本，加噪公式如下公式所示：

f(t)＝h₁*S(t)+h₂*n(t)

其中，f(t)表示带噪声音信号，S(t)表示未带噪声音信号，n(t)表示babble噪声，h₁、h₂均为根据信噪比来决定的混合矩阵，*表示线性卷积；

将这些带噪样本分为测试集与训练集两部分，根据五种不同的信噪比，分别对每种声音随机抽取70％作为卷积神经网络中的训练集，随机抽取50％作为网络中的测试集；

步骤2、对样本声音库中的声音进行预处理；利用动态时间规整方法将样本声音库中所有异常声音规整为相同帧数，选择帧长256个采样点，帧移为128个采样点以及汉明窗进行分帧加窗操作，每一帧提取36维MFCC特征参数，其中包括MFCC系数、ΔMFCC和ΔΔMFCC，保证异常样本数量的特征向量排列成为相同的特征图输入到卷积神经网络；

步骤3、将步骤2预处理的异常声音信号按照在时间和频域两个维度上排列成为二维的声音特征图，作为卷积神经网络模型的输入，具体方法为：

所述卷积神经网络模型包括依序连接的两个卷积层、一个子采样层、一个卷积层、一个子采样层、一个全连接层以及一个Softmax分类层，具体为：

(1)卷积层C1，卷积核大小为2*2，步长为1，卷积核个数为10，无填充；

(2)子采样层S1，子采样窗口大小为2*2，步长为1，采样方法采用最大值采样方法；

(3)卷积层C3，卷积核大小为2*2，步长为1，卷积核个数为10，无填充；