[发明专利]一种基于残差网络的环境声音识别系统及方法

权利要求书

1.一种基于残差网络的环境声音识别系统，其特征在于，包括：数据输入模块、声音信号增强模块、预处理模块、特征提取模块、训练残差网络模型模块和模型库模块；声音信号增强模块包括时移增强子模块和高变换增强子模块，预处理模块包括预加重模块和分帧加窗模块；

所述数据输入模块，用于输入训练和识别的声音数据样本；

所述声音信号增强模块，用于增强输入的声音数据样本，使数据样本更具可读性，包括时移增强子模块和音高变换增强子模块；

所述时移增强子模块用于沿着时间轴对声音信号移位，达到数据增强的功能；

所述音高变换增强子模块，用于围绕频率轴对声音信号进行环绕式转换，达到数据增强的功能；

所述预处理模块，用于处理数据样本，将数据样本划分为若干帧，便于后面对数据的进一步处理；

所述预加重子模块：用于提升声音信号的高频部分，得到更加平坦的频谱；

所述分帧加窗子模块：用于将声音信号分为若干20ms的帧，并对每一帧进行加窗处理；

所述特征提取模块，用于环境声音信号特征的提取；

所述训练残差网络模型模块，用于残差网络的训练，将提取的环境声音特征输入即可进行训练；

所述模型库模块，用于识别新输入的、未经训练的数据样本，可输出识别结果。

2.一种基于残差网络的环境声音识别方法，其特征在于，包括如下步骤：

步骤S1：划分于训练和用于测试的数据样本，使每一种类型的声音都参与训练；

步骤S2：将所述步骤S1输入的数据样本进行信号增强处理，突出每种声音信号的特点；

步骤S3：将所述步骤S2增强后的数据样本进行预处理，将声音分为若干大小相同的帧，后续的处理是以帧为单位进行的；

步骤S4：将所述步骤S3预处理后的数据样本进行特征提取；

步骤S5：将所述步骤S4提取的声音特征输入到残差网络模型当中，并对残差网络模型进行训练；

步骤S6：所述步骤S5之后，就可以得到一个残差网络模型库，可用于识别未经训练的声音数据样本，并输出别结果。

3.根据权利要求2所述的一种环境声音识别方法，其特征在于，所述步骤S2声音信号增强还包括如下步骤：

步骤S21：时移增强，声音信号会在时间维度上压缩或扩展；

步骤S22：音高变换增强，声音信号会在频率维度上压缩或扩展。

4.根据权利要求2所述的一种环境声音识别方法，其特征在于，所述步骤S3预处理还包括如下步骤：

步骤S31：对声音进行预加重处理，采取的措施是用数字滤波器实现预加重，预加重网络的输出和输入的语音信号s(n)的关系如公式(1)所示：

式中，a为预加重系数，本方法中取a＝0.9375；

步骤S32：由于环境声音是非平稳信号，而非平稳信号不便于处理，因此将所述步骤S31得到的每一段声音分为若干个小帧，在每一帧中，声音可以看做平稳信号，即具有短时平稳性，每一帧的帧长为20ms；分帧之后，需要对每一帧进行加窗处理，即每一帧乘一个窗函数，本方法使用的是汉明窗，如公式(2)所示。

5.根据权利要求2所述的一种环境声音识别方法，其特征在于，所述步骤S4特征提取还包括如下步骤：

步骤S41：对声音信号进行快速傅里叶变换，即取声音信号的频谱，如式(3)所示；

式中，x(n)表示输入的声音信号，N表示傅里叶变换的点数；

步骤S42：对声音信号的频谱取模的平方，得到功率谱，如公式(4)所示；

式中，N为傅里叶变换的点数，x_i表示信号x的第i帧；

步骤S43：将功率谱通过梅尔滤波器进行滤波，梅尔滤波器由40个三角滤波器组成，每个相邻三角窗是相互重叠的；将频率转换为梅尔刻度的公式如式(5)所示：

式中，Mel(f)表示最终频率，f表示实际频率；

步骤S44：对S43输出取对数，即进行倒谱计算，从而凸显低能量部分的能量差异，同时对纵轴实行放缩处理；其中，计算每个滤波器输出的对数能量的方法如公式(6)所示；

式中，Hm(k)表示三角滤波器的输出。