[发明专利]一种基于语谱图纹理特征的音频场景识别方法

权利要求书

1.一种基于语谱图纹理特征的音频场景识别方法，其特征在于该方法的具体步骤是：

步骤(1)：将输入音频集随机划分成训练音频和测试音频；

步骤(2)：将输入训练音频和测试音频提取出语谱图，并进行规范化处理；

步骤(3)：采用二维Gabor滤波器对训练音频和测试音频的语谱图进行变换，具体如下：

建立L个二维Gabor滤波器，二维Gabor滤波器有M个尺度和N个方向。因此有L＝M×N；若输入音频语谱图为D(x，y)，x＝1，2，...，W，y＝1，2，...，H；其中W和H分别为语谱图的宽度和高度；经过二维Gabor滤波后，得到Gabor系数为G(m，n，i，j)，其中m为Gabor系数的尺度索引；n为Gabor系数的方向索引；0≤m≤M-1，0≤n≤N-1；

L个二维Gabor滤波器的设计步骤如下：

对于二维离散Gabor滤波器，有如下公式：

x′＝x cosθ_n+y sinθ_n

y′＝y cosθ_n-x sinθ_n

θ_n＝2πn/N，其中n＝0，1，...，N-1，f_m＝a^-mf_max，其中f_max为最高频率，m＝0，1，...，M-1；

构造L＝M×N个Gabor滤波器后，将输入音频频谱图经过L个Gabor滤波器进行滤波，得到Gabor系数G(m，n，x，y)，计算公式如下：

G(m，n，x，y)＝D(x，y)*f(x，y，f_m，θ_n)

其中，D(x，y)为输入音频语谱图，f(x，y，f_m，θ_n)为第m个尺度和第n个方向的Gabor滤波器，符号*为卷积操作，G(x，y，m，n)为音频语谱图经Gabor滤波后得到的Gabor滤波结果；

步骤(4)：求取Gabor滤波结果G(m，n，x，y)的幅度，采用公式如下：

其中，A(m，n，x，y)为Gabor滤波结果幅度；RE(G(m，n，x，y))为Gabor滤波结果G(x，y，m，n)的实部；IM(G(m，n，x，y))为Gabor滤波结果G(x，y，m，n)的虚部；

步骤(5)：对音频频谱图的不同尺度的Gabor滤波结果幅度A(m，n，x，y)求取像素距离d＝1，方向为θ＝0°，θ＝45°，θ＝90°和θ＝135°四个方向的灰度共生矩阵，具体是：

将Gabor滤波结果幅度A(m，n，x，y)的取值归一化到[0，255]范围，同时计算方向为θ＝0°，θ＝45°，θ＝90°和θ＝135°四个方向的灰度共生矩阵，记为CM₀(p，q)、CM₄₅(p，q)、CM₉₀(p，q)和CM₁₃₅(p，q)，其中0≤p≤255，0≤q≤255；

步骤(6)：计算得到四个方向灰度共生矩阵的归一化矩阵，具体计算公式如下：

步骤(7)：对四个方向的灰度共生矩阵计算二阶矩、熵、对比度和均匀度，计算方法如下：

二阶矩计算公式为：

其中θ＝0°，45°，90°，135°；

熵计算公式为：

其中θ＝0°，45°，90°，135°；

对比度计算公式为：

其中θ＝0°，45°，90°，135°；

均匀度计算公式为：

其中θ＝0°，45°，90°，135°；

步骤(8)：将四个方向的二阶矩，熵，对比度和均匀度组合成特征向量，公式如下：

F＝{WM₀，WM₄₅，WM₉₀，WM₁₃₅，WE₀，WE₄₅，WE₉₀，WE₁₃₅，

WC₀，WC₄₅，WC₉₀，WC₁₃₅，WH₀，WH₄₅，WH₉₀，WH₁₃₅}

步骤(9)：将特征向量F合并音频场景类别送到支持向量机中进行训练，得到训练后的支持向量机；

步骤(10)：将测试音频同样按步骤(1)到步骤(8)提取出特征向量F，送到训练后的支持向量机中进行测试，得到音频场景分类结果。