基于优化正交匹配追踪和深度置信网的声音识别

来源：计算机应用杂志2017年第2期北京时间：

作者：陈秋菊, 李应

单位：福州大学 数学与计算机科学学院, 福州 350116

摘要：针对各种环境声音对声音事件识别的影响，提出一种基于优化的正交匹配追踪（OOMP）和深度置信网（DBN）的声音事件识别方法。首先，利用粒子群优化（PSO）算法优化OMP稀疏分解，在实现正交匹配追踪（OMP）的快速稀疏分解的同时，保留声音信号的主体部分，抑制噪声对声音信号的影响；接着，对重构声音信号提取Mel频率倒谱系数（MFCC）、OMP时-频特征和基音频率（Pitch）特征，组成OOMP的复合特征；最后，使用DBN对提取的OOMP特征进行特征学习，并对40种声音事件在不同环境不同信噪比下进行识别。实验结果表明，OOMP特征结合DBN的方法适用于各种环境声下的声音事件识别，而且能有效地识别各种环境下的声音事件，即使在信噪比（SNR）为0 dB的情况下，仍然能保持平均60%的识别率。

关键词：声音事件识别,正交匹配追踪,稀疏分解,粒子群优化,深度置信网

基金资助：国家自然科学基金资助项目（61075022）。