采用潜在概率语义模型和K近邻分类器的音频分类算法

辛欣， 陈曙东， 仝明磊， 胡文皓， 刘陈伟， 葛浩栋

(1. 中国科学院大学 电子电气与通信工程学院， 北京 100049；

2. 中国科学院微电子研究所， 北京 100029；

3. 中国物联网研究发展中心， 江苏 无锡 214135；

4. 上海电力学院 电子与信息工程学院， 上海 200090)



采用潜在概率语义模型和K近邻分类器的音频分类算法

辛欣1,3， 陈曙东2,3， 仝明磊4， 胡文皓1,3， 刘陈伟1,3， 葛浩栋3

(1. 中国科学院大学 电子电气与通信工程学院， 北京 100049；

2. 中国科学院微电子研究所， 北京 100029；

3. 中国物联网研究发展中心， 江苏 无锡 214135；

4. 上海电力学院 电子与信息工程学院， 上海 200090)

摘要：提出一种基于潜在概率语义(PLSA)模型和K近邻分类器的音频分类算法.首先，将信号特征向量送入潜在概率语义模型中训练，获得声音主题词袋模型；然后，使用K近邻分类器(KNN)进行分类.实验结果表明：与传统的K近邻分类算法相比，提出的算法在分类效果上有较明显的改善.

关键词：梅尔频率倒谱系数； 词-频共现矩阵； 声音主题词袋模型; 潜在概率语义模型； K近邻分类器

音频分类是异常声音检测系统中的重要模块，可以依据音频特征区分不同的音频信号.在音频分类研究中，Radhakrishnan等[1]给出在电梯里检测罪案的音频分类系统框架.该系统提取梅尔倒谱系数(Mel frequency cepstral coefficients，MFCC)特征，用高斯混合模型(GMM)进行分类和识别报警声、撞墙声等声音事件.Atrey等[2]采用过零率ZCR和线性倒谱系数(linear frequency cepstral coefficient，LFCC)等特征参数，使用GMM模型进行分类.结合词袋模型，Aucouturier[3]提出了对应的帧袋模型，将音频中的一些连续的音频帧作为一个整体提取……