弓彦婷,程小雪,任洪梅,陈雁翔(合肥工业大学计算机与信息学院,安徽合肥 230009)
声谱图显著性在音频识别中的应用
弓彦婷,程小雪,任洪梅,陈雁翔
(合肥工业大学计算机与信息学院,安徽合肥230009)
摘要:针对嘈杂背景、混叠、间断或多源的复杂音频,传统音频识别存在一定的局限性。文章提出了一种基于声谱图显著性检测的音频识别方法,将音频可视化转化为二维声谱图图像,利用图像的显著性检测有效获得声谱图中的主声源区域,并去除声谱图中与主声源无关的信息;然后针对主声源区域提取特征,以减少干扰并降低冗余度;采用改进的卷积神经网络(convolutional neural network,CNN)实现音频识别。实验结果表明,该方法可以有效解决复杂音频的识别问题。
关键词:复杂音频;音频识别;声谱图;显著性;卷积神经网络CNN
陈雁翔(1972-),女,安徽歙县人,博士,合肥工业大学副教授,硕士生导师.
音频识别[1]是声信号处理领域的一个基本问题,旨在识别出音频中信息的内容与来源,使计算机能够模仿人耳听觉功能进而理解辨识音频。音频即指大自然一切人耳可以听到的声音,如语音、音乐、环境音等[2-3]。目前,音频识别以声音特征为研究对象,传统识别方法包括GMM、HMM、SVM和DNN等。然而,在混叠、间断、多源和噪声干扰等复杂的环境下,以声音角度分析研究音频仍是个难题。现有的复杂环境音频识别研究中,可视化的音频识别方法是解决该类问题的一种途径。
音频可视化识别将研究对象从传统音频识别下的声音特征转变为表征音频的图像特征。……