基于MFCC和GMM的异常声音识别算法研究

论文摘要

异常声音识别是声音识别系统中的一种,是应用音频波形中反映异常声音的特征参数,自动识别异常声音的一种技术。声音识别系统具有计算效率高,复杂度小,采集设备简单,成本低,而且能更好的保护人们的隐私等优点,它还可以和视频监控系统协作。因此,声音识别技术是具有广泛的应用前景,值得很多人投身其研究中。本文针对异常声音识别系统低识别率和高复杂度的问题,将梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficients,简称MFCC）与短时能量混合特征应用到异常声音识别系统中。该混合特征使得高斯混合模型（Gaussian Mixture Model,简称GMM）分类器可获得比使用MFCC特征及其差分MFCC更好的分类性能。分类器的平均识别率可达到90%以上,并且计算复杂度小。给出了系统实现的具体步骤,并通过仿真实验证明了该算法的有效性。在性能研究方面,分析了不同特征参数下异常声音识别系统的识别率,获得特征参数的性能与系统的识别率相关的结果；此外还分析不同高斯混合阶数下异常识别系统的识别率,获得高斯密度个数的选择与训练音频数据量相关的结果；最后对比分析了最大期望（Expectation Maxinum, EM）和最小描述长度（Minimum Description Length, MDL）算法,结果表明MDL算法能够有更好的应用空间。在系统构建方面,本文用MATLAB实现了一个完整的异常声音识别系统,包括音频信号的预处理,特征提取以及分类器的训练和识别。在预处理模块中,对原始音频进行了归一化,预加重,重叠分帧等处理；在特征提取模块中,提取了MFCC,过零率（The Zero-Crossing Rate, ZCR）,短时能量（Short-Energy）,对数频率倒谱系数（The Log Frequency Cepstral Coefficients, LFCC）等特征参数。在模型训练与识别模块中,使用了高斯混合模型作为分类器,它与其他分类器相比,能更好的分辨出异常声音的差别。该系统实现了对8种异常声音的分类识别,能够得到较高的识别率,而且系统性能好,方法简单,计算效率高,能够保护人们的隐私。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究背景和意义
• 1.2 异常声音识别技术
• 1.2.1 异常声音识别系统组成
• 1.2.2 异常声音识别系统评价标准
• 1.2.3 国内外研究的现状
• 1.3 本文的主要工作
• 第2章 异常声音的特征提取
• 2.1 音频信号的特征提取
• 2.1.1 过零率参数的提取
• 2.1.2 短时帧能量参数的提取
• 2.1.3 短时平均幅度参数的提取
• 2.1.4 小波子带能量参数的提取
• 2.1.5 MFCC参数的提取
• 2.1.6 MFCC差分参数的提取
• 2.1.7 PLPC参数的提取
• 2.1.8 LFCC参数的提取
• 2.1.9 特征矢量
• 2.2 高斯混合模型
• 2.2.1 高斯混合模型的基本原理
• 2.2.2 高斯混合模型的参数估计
• 2.2.3 EM算法和MDL算法
• 2.3 本章小结
• 第3章 基于MFCC和GMM的异常声音识别算法
• 3.1 算法简介
• 3.2 算法设计
• 3.2.1 预处理
• 3.2.2 特征矢量
• 3.2.3 训练模型
• 3.2.4 识别算法
• 3.3 算法的实现与界面操作
• 3.3.1 实验的软硬件环境
• 3.3.2 异常声音库
• 3.3.3 软件界面使用
• 3.4 本章小结
• 第4章 异常声音识别算法仿真测试
• 4.1 高斯混合阶数测试与分析
• 4.2 复杂度测试与分析
• 4.3 特征参数测试与分析
• 4.4 EM与MDL对比分析
• 4.5 性能比较
• 4.6 本章小结
• 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文及科研成果