基于纹理特征与随机森林的生态声音识别

针对真实环境中普遍存在的非平稳噪声,提出一种基于纹理特征与随机森林的生态声音识别方法。该方法首先使用一种基于噪声估计的音频增强算法,即短时谱估计对输入端声音信号进行前端处理,得到增强信号功率谱;然后根据得到的增强信号功率谱图的纹理信息,采用和差统计法对其进行纹理特征提取;最后,利用基于决策树的组合分类器,即随机森林进行识别和分类。设计了两组对比实验,结果表明该方法不仅有良好的识别性能,而且具有噪声鲁棒性。

一种混合优化的匹配追踪生态声音识别方法

针对生态自然环境中噪声对声音识别产生干扰的问题,提出利用混合优化的匹配追踪(MP)进行生态声音识别的方法.首先,使用萤火虫算法(GSO)和粒子群算法(PSO)对匹配追踪算法进行混合优化,加快匹配追踪有限次稀疏分解的速度并重构声音信号,保留高相关成分,滤除低相关噪声;其次,根据所选最优原子的时频信息结合MFCCs提取复合抗噪特征;最后,结合支持向量机(SVM)对40种生态声音在不同背景噪声与信噪比的情境下进行分类与识别.实验表明,优化后的匹配追踪算法去噪性能优于谱减法和小波去噪法.与常用的MFCCs方法相比,本方法对生态声音在不同信噪比下的识别性能有不同程度的改善,并且具有较好抗噪性.