基于稀疏表示权重张量的音频特征提取算法

来源：计算机应用杂志2016年第5期北京时间：

作者：林静, 杨继臣, 张雪源, 李新超

单位：1. 茂名职业技术学院 机电信息系, 广东 茂名 525000;2. 华南理工大学 电子与信息学院, 广州 510641

摘要：为了更好地描述非平稳音频信号的特征,提出了一种基于Gabor字典和稀疏表示权重张量的时-频音频特征提取方法。该方法基于Gabor字典将音频信号编码为稀疏的权重向量,并进一步将权重向量中的元素重新排列为张量形式,该张量各阶分别刻画了信号的时间、频率以及时长特性,为信号的联合时-频-长表示。通过对该张量进行因子分解,将分解后得到的频率因子和时长因子拼接为音频特征。针对稀疏张量分解时容易产生过拟合的问题,提出一种自调整惩罚参数分解算法并进行了改进。实验结果显示,所提出的特征相对于传统梅尔倒谱系数(MFCC)特征、MFCC特征及匹配追踪算法(MP)求解的特征联合拼接得到的MFCC+MP特征和非均匀尺度-频率图特征对15类音效分类效果分别提升了28.0%、19.8%和6.7%。

关键词：稀疏表示,张量因子分解,音效分类,时-频特征

基金资助：国家自然科学基金资助项目(61301300)。