林藝明 李 應(yīng)

(福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院 福建 福州 350108)

0 引 言

低信噪比聲音事件檢測的目標(biāo)是從音頻信號中檢測出微弱的聲音對象，并識別和分類這些聲音。近年來，隨著數(shù)字聲音分析技術(shù)的發(fā)展，它在現(xiàn)實(shí)世界里有許多的實(shí)際運(yùn)用，例如生物監(jiān)控、智能家居、自然環(huán)境識別、公共場所槍聲檢測等。

現(xiàn)有的聲音事件檢測研究主要有：基于注意力機(jī)制的聲音事件檢測方法[1]；嘈雜環(huán)境下的特定聲音事件檢測方法[2]；基于聲音事件分區(qū)和特征標(biāo)準(zhǔn)化的聲音事件檢測方法[3]；城市環(huán)境下特定聲音事件的檢測方法[4]；特定聲音事件的聲音信號增強(qiáng)方法[5]；聲音信號數(shù)據(jù)不平衡的聲音事件檢測方法[6]；聲音事件的特征、分類器以及特征與分類器的組合等[7-13]。這些方法對各類聲音事件的檢測與分類進(jìn)行單一的改進(jìn)或組合，從不同方面對聲音事件檢測深入研究，在高信噪比環(huán)境下都取得了較高的檢測率，但是對低信噪比聲音事件檢測的效果不佳，檢測率亟待提高。

針對低信噪比環(huán)境下各種聲音事件的檢測，本文提出了基于能量壓縮與灰度增強(qiáng)的多頻帶能量分布圖的聲音事件檢測方法(Energy Compressed and Grey-Scale Enhanced Multi-Band Power Distribution，CEMBPD)。該方法通過奇異值分解(SVD)提取奇異值特征，即CEMBPD-SVD，并用隨機(jī)森林(RF)分類器對奇異值特征進(jìn)行訓(xùn)練與檢測。

1 相關(guān)研究

1.1 現(xiàn)有方法

文獻(xiàn)[14]通過利用粒子群算法優(yōu)化正交匹配跟蹤(OMP)稀疏分解對信號進(jìn)行重構(gòu)和利用短時(shí)譜估計(jì)對重構(gòu)后的殘余信號做增強(qiáng)處理。二次重構(gòu)后提取信號的MFCC特征、時(shí)頻特征和基頻特征組成特征集。最后采用深度置信網(wǎng)絡(luò)進(jìn)行分類識別，在-5 dB下達(dá)到49.9%的識別率。

文獻(xiàn)[15]提取聲音信號的MFCC特征，計(jì)算七個(gè)MFCC的統(tǒng)計(jì)特征，包括方差、均值、中值、最大值、最小值、峰度和偏度；然后將以上七個(gè)統(tǒng)計(jì)特征組成特征集合；最后用SVM進(jìn)行建模分類。

對于低信噪比聲音事件檢測，文獻(xiàn)[16-18]提出的聲音事件分類方法過程如圖1所示。

圖1 現(xiàn)有聲音事件分類框架

如圖1中的虛線箭頭路徑所示，文獻(xiàn)[16]通過對灰度對數(shù)譜圖jet映射生成三色子圖，然后對每幅子圖進(jìn)行9×9分塊，提取每個(gè)子塊的均值和方差作為特征，特征共有486維，最后通過SVM分類器進(jìn)行訓(xùn)練與分類。采用這種方法，在0 dB的情況下，平均檢測率達(dá)到74.4%[16]。文獻(xiàn)[17]在文獻(xiàn)[16]的基礎(chǔ)上做進(jìn)一步改進(jìn)，如圖1下半部分實(shí)線箭頭路徑所示，其包括：灰度gammatone譜圖、子帶能量分布(SPD)、增強(qiáng)的子帶能量分布圖、幀缺失掩飾估計(jì)、去除不可靠維度、分類器選擇k近鄰分類器(KNN)。同時(shí)，文獻(xiàn)[17]也將子帶能量分布圖通過jet映射成三色子圖，然后對每幅子圖進(jìn)行10×10分塊，提取每個(gè)子塊的均值和方差作為特征，特征共有600維。最后通過KNN分類器進(jìn)行訓(xùn)練與分類。在0 dB情況下，該方法聲音事件的平均檢測率達(dá)到了88%[17]。

如圖1上半部分虛線框所示，文獻(xiàn)[18]將聲音信號以多頻子帶能量分布圖(Multi-Band Power Distribution,MBPD)表示，通過對MBPD圖進(jìn)行8×8分塊，并對每個(gè)子塊求離散余弦變換，把DCT系數(shù)的Z編碼的前5個(gè)系數(shù)作為聲音事件的特征，特征共有1 280維，并用隨機(jī)森林分類器對特征進(jìn)行訓(xùn)練與分類。通過這種方法在-10 dB下，聲音事件平均檢測率達(dá)45.3%；-5 dB情況下，平均檢測率達(dá)87.2%；0 dB情況下，平均檢測率達(dá)91.8%[18]。

1.2 MBPD能量等級下移的問題

對文獻(xiàn)[18]方法進(jìn)一步分析，在低信噪比的情況下，如在-10或-5 dB，基于多頻帶能量分布圖的聲音事件檢測存在著能量等級下移的問題。即低信噪比下，環(huán)境噪聲的能量高于聲音事件的能量，在能量譜圖轉(zhuǎn)換為MBPD圖時(shí)，最高能量等級分配給了環(huán)境噪聲。聲音事件的能量等級，不再是最高等級，而是被按比例壓縮并下移，聲音事件的有用成分減少[18]。這是MBPD在低信噪比下聲音事件檢測中存在的問題，使得在低信噪比環(huán)境下的聲音事件檢測性能受到影響。

2 方法設(shè)計(jì)

針對聲音事件在低信噪比下檢測效果不佳的問題，本文對基于MBPD聲音事件檢測的方法進(jìn)行了改進(jìn)。具體包括：(1) 根據(jù)聲音信號能量譜的不同頻帶進(jìn)行能量壓縮調(diào)整處理，使其在低信噪比下一定程度上解決能量下移問題。(2) 本文對聲音信號劃分為280個(gè)頻帶和64個(gè)能量等級，但CEMBPD圖大小為280×72，能量等級65到72恒為0。因此在按子帶順序排列特征時(shí)，每個(gè)子帶特征之間有一定的間隔，使其每個(gè)子帶的局部特征更為明顯。(3) 對能量壓縮后的多頻帶能量分布圖進(jìn)行灰度增強(qiáng)，對灰度值低的進(jìn)行增強(qiáng)，使得其灰度值細(xì)節(jié)更明顯。(4) 8×8分塊SVD，對CEMBPD圖進(jìn)行8×8分塊奇異值分解提取奇異值，捕捉CEMBPD圖的細(xì)微變化。

本文方法過程簡化如圖2所示，其中包括：gammatone頻譜圖、能量譜圖、壓縮函數(shù)fs、能量壓縮后的MBPD圖、灰度增強(qiáng)、CEMBPD圖、CEMBPD圖分塊SVD、RF檢測。

圖2 基于CEMBPD圖的聲音事件檢測

3 能量壓縮后的多頻帶能量分布特征與檢測

3.1 能量譜壓縮調(diào)整

聲音信號的gammatone頻譜圖轉(zhuǎn)換成能量譜，對聲音信號的能量譜的不同頻帶進(jìn)行能量壓縮處理，步驟如下：

(1) gammatone頻譜圖。聲音信號y(t)通過gammatone濾波器組濾波，得到y(tǒng)[t][19]。取y[t]的對數(shù)進(jìn)行動(dòng)態(tài)壓縮，得到聲音信號的gammatone譜圖Sg(f,t)。

Sg(f,t)=lg|y[t]|

(1)

式中：f表示濾波器的中心頻率；t表示幀索引。

(2) 壓縮函數(shù)fs。本文將Sigmoid函數(shù)變形為式(2)。式(2)的定義域約束在[1,280]內(nèi)，值域約束在(0,1)之間。

(2)

式中：a取0.008。壓縮函數(shù)fs(x)的特性曲線如圖3所示。

圖3 壓縮函數(shù)fx(x)曲線

(3)

圖4 茶隼叫聲在-10 dB風(fēng)聲背景噪聲下式(3)的演示

(4)

3.2 多頻帶能量分布

多頻帶能量分布。對式(4)的G(f,t)的每一個(gè)頻率子帶的能量概率密度進(jìn)行統(tǒng)計(jì)，將能量譜圖轉(zhuǎn)換為頻率子帶能量分布圖，得到聲音信號的能量分布情況。

(5)

(6)

式中：設(shè)B為能量等級數(shù)目；T為聲音信號的長度；Ib(G(f,t))為指示函數(shù)。當(dāng)G(f,t)屬于能量等級b時(shí)，G(f,t)=1，否則為0。H(f,b)表示在頻帶f中能量等級為b的元素占頻帶總元素的比例，0≤H(f,b)≤1。

3.3 灰度增強(qiáng)、奇異值分解與多頻帶能量分布圖的特征提取

(1) 灰度增強(qiáng)。灰度變換是基于像素操作的增強(qiáng)方法，它將每一個(gè)像素的灰度值按照數(shù)學(xué)變換公式轉(zhuǎn)換為一個(gè)新的灰度值。對能量壓縮后的多頻帶能量分布圖進(jìn)行灰度增強(qiáng)。

(7)

式中：本文實(shí)驗(yàn)h取50[17]。

(2) 奇異值分解與奇異值。奇異值分解是線性代數(shù)中一種重要的矩陣分解。設(shè)A是一個(gè)n×m的矩陣，則對任意矩陣A都存在著一個(gè)分解使得：

(8)

式中：U是n×n階酉矩陣；V是m×m階酉矩陣，VT是V的轉(zhuǎn)置；Σ是n×m階對角矩陣。以上分解就稱作矩陣A的奇異值分解。

Σ的對角上的元素Σi稱為矩陣A的奇異值。在各階奇異值中，前幾階較大的奇異值包含了矩陣A的主要特征，因此一般將Σi從大到小排列，取前幾階作為該矩陣A的特征[20-21]。

(3) 多頻帶能量分布圖的特征提取。受圖像分塊處理技術(shù)啟發(fā)，本文對280×72大小的CEMBPD圖進(jìn)行8×8分塊，即一幅CEMPBD圖有315個(gè)8×8子塊。每個(gè)子塊進(jìn)行奇異值分解，然后將奇異值降序排列，本文取前3個(gè)奇異值當(dāng)做8×8子塊的特征。接著，按子帶順序、每個(gè)子帶按能量等級低到高順序，依次將子塊的特征提取出來，組成特征向量，共有945(315×3)維，即一幅280×72大小的CEMBPD圖的特征用945維的特征向量來表示，該過程為CEMBPD-SVD，如圖5所示。其中：圖5(b)對應(yīng)圖5(a)的黑框子塊，頻帶從137至144，能量等級從17至24。圖5(c)為圖5(a)對應(yīng)的特征向量的部分特征值，黑框部分的數(shù)值為圖5(b)對應(yīng)的奇異值特征數(shù)值。

(a) CEMBPD 8×8分塊圖

(b) 黑框子塊

(c) CEMBPD的特征值向量圖5 圖像分塊及奇異值提取

3.4 隨機(jī)森林分類器

隨機(jī)森林分類器就是通過集成學(xué)習(xí)的思想將多棵決策樹分類器集成的一種算法，隨機(jī)森林對多維特征的數(shù)據(jù)集分類效果比較好，泛化能力強(qiáng)，還可以進(jìn)行特征重要性的選擇，運(yùn)行效率較高，實(shí)現(xiàn)簡單[22]。本文使用的隨機(jī)森林分類器中決策樹的個(gè)數(shù)k設(shè)為500，決策樹中節(jié)點(diǎn)特征數(shù)量m為5。

4 實(shí) 驗(yàn)

4.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)數(shù)據(jù)來自Freesound聲音數(shù)據(jù)庫，實(shí)驗(yàn)中的樣本集由50種純凈動(dòng)物聲音和6種背景噪聲組成。其中50類動(dòng)物聲音包括不同鳥鳴聲和哺乳動(dòng)物叫聲，每類共有30個(gè)樣本，共1 500個(gè)樣本。實(shí)驗(yàn)使用到6種背景噪聲環(huán)境分為平穩(wěn)噪聲和非平穩(wěn)噪聲，其中：非平穩(wěn)噪聲包括流水聲、風(fēng)聲、海浪聲、公路聲和雨聲；平穩(wěn)噪聲為粉噪聲。噪聲樣本與聲音事件樣本的采樣頻率為44.1 kHz，采樣精度為16 bit，格式為單聲道“.wav”格式，長度為2 s。

4.2 實(shí)驗(yàn)設(shè)計(jì)

本文將每類聲音事件樣本中的20個(gè)樣本作為訓(xùn)練集，剩下的10個(gè)樣本與背景噪聲按不同信噪比組合，生成各種信噪比的測試樣本，作為聲音信號輸入。實(shí)驗(yàn)將得到4種信噪比下的不同背景噪聲的平均檢測率。同時(shí)，將基于灰度增強(qiáng)的多頻帶能量分布圖的聲音事件檢測方法(EMBPD-SVD)作為對比實(shí)驗(yàn)。為了驗(yàn)證本文方法的檢測性能，共進(jìn)行了四組實(shí)驗(yàn)：(1) CEMBPD-SVD中子塊的奇異值特征個(gè)數(shù)的選擇以及壓縮函數(shù)系數(shù)a的選擇；(2) CEMBPD-SVD與EMBPD-SVD的實(shí)驗(yàn)對比；(3) CEMBPD-SVD特征與常用特征性能的比較；(4) CEMBPD-SVD-RF與現(xiàn)有方法的比較。

4.3 結(jié)果與分析

1) CEMBPD-SVD方法中子塊的奇異值特征個(gè)數(shù)與壓縮函數(shù)系數(shù)a都會影響聲音事件的檢測率。本文在討論CEMBPD-SVD子塊奇異值特征個(gè)數(shù)時(shí)，直接選取EMBPD-SVD子塊的2到5階奇異值進(jìn)行實(shí)驗(yàn)，將EMBPD-SVD方法最佳檢測率對應(yīng)子塊的奇異值特征個(gè)數(shù)作為CEMBPD-SVD方法的子塊特征個(gè)數(shù)。確定CEMBPD-SVD子塊的奇異值特征個(gè)數(shù)后，系數(shù)a選取0.005～0.015，共11個(gè)系數(shù)進(jìn)行實(shí)驗(yàn)，在4種信噪比下比較檢測率的高低，選取最佳的系數(shù)a。本文以動(dòng)物聲音集為基礎(chǔ)，在-10 dB、-5 dB、0 dB和5 dB 4種信噪比下的風(fēng)聲、海浪、流水三種背景噪聲下進(jìn)行對比實(shí)驗(yàn)。子塊奇異值特征個(gè)數(shù)的選擇對平均檢測率的影響結(jié)果如圖6所示。壓縮函數(shù)系數(shù)a對平均檢測率的影響結(jié)果如圖7所示。

圖6 不同子塊特征值個(gè)數(shù)的平均檢測率

圖7 不同系數(shù)a的平均檢測率

由圖6可知，EMBPD-SVD方法在-5 dB、0 dB和5 dB信噪比情況下，子塊特征個(gè)數(shù)為2和3的平均檢測率略高于個(gè)數(shù)為4和5；在-10 dB信噪比情況下個(gè)數(shù)為3的平均檢測率高于其他三者。因此，本文認(rèn)為子塊特征個(gè)數(shù)取3個(gè)的平均檢測率最佳，后續(xù)實(shí)驗(yàn)中的子塊奇異值特征個(gè)數(shù)選擇為3。

由圖7可知，在5 dB、0 dB和-5 dB信噪比情況下，聲音事件的平均檢測率隨著系數(shù)a的變化而略微上下波動(dòng)，整體變化不大；在-10 dB信噪比情況下，平均檢測率隨著系數(shù)a的增大整體呈現(xiàn)下降趨勢，并在a=0.008處取得最高點(diǎn)。因此，后續(xù)實(shí)驗(yàn)中壓縮系數(shù)a取0.008。

2) 壓縮函數(shù)fs是CEMBPD-SVD方法與EMBPD-SVD方法的區(qū)別，以動(dòng)物聲音事件集為基礎(chǔ)，進(jìn)行3次交叉實(shí)驗(yàn)。在-10 dB、-5 dB、0 dB和5 dB信噪比與6種背景噪聲組合實(shí)驗(yàn)中驗(yàn)證壓縮函數(shù)fs的有效性。實(shí)驗(yàn)結(jié)果如表1所示，其中：A為CEMBPD-SVD特征，B為EMBPD-SVD特征。

表1 CEMBPD-SVD特征與EMBPD-SVD特征的聲音事件平均檢測率 %

由表1數(shù)據(jù)可知，在-10 dB低信噪比下聲音事件檢測中，CEMBPD-SVD方法在6種背景噪聲中的檢測效果明顯都優(yōu)于EMBPD-SVD方法，最高約有35%的提升，最差也有約11百分點(diǎn)的提升，平均提升了約21百分點(diǎn)。在-5 dB情況下，平均約有3個(gè)百分點(diǎn)的提升。而在相對高的信噪比，如0 dB和5 dB，幾乎保持著相同的檢測率。因此，不論在哪種信噪比條件下，CEMBPD-SVD特征都表現(xiàn)出了良好的性能，這說明了壓縮函數(shù)的有效性。尤其在-10 dB低信噪比下，表現(xiàn)更為優(yōu)異，達(dá)到了平均67.0%的檢測效果。

3) 為了進(jìn)一步說明CEMBPD-SVD特征在低信噪比聲音事件檢測的性能，本文將幾種常用的特征結(jié)合RF分類器進(jìn)行比較，包括：MFCC[23]、HOG[24]、PNCC[25]、GLCM-SDH[26]、LBP[27]、MBPD-DCTZ[18]。本文也將EMBPD-SVD特征加入對比實(shí)驗(yàn)。在6種背景噪聲、4種信噪比下的不同特征對動(dòng)物聲音事件的平均檢測率如表2所示。

表2 不同特征對動(dòng)物聲音事件的平均檢測率 %

可以看出，CEMBPD-SVD特征、EMPBD-SVD特征和MBPD-DCTZ特征在4種信噪比下的表現(xiàn)大幅度優(yōu)于MFCC、HOG、PNCC、LBP、GLCM-SDH特征；在0 dB和5 dB信噪比下三者檢測率相近，但在-10 dB信噪比下，CEMBPD-SVD特征檢測率明顯優(yōu)于EMPBD-SVD特征和MBPD-DCTZ特征。這驗(yàn)證了CEMBPD-SVD特征在低信噪比下具有良好的檢測性能。

4) 不同信噪比及不同環(huán)境下，本文方法與MFCC-SVM[23]、SIF-SVM[16]、MP-SVM[13]、SPD-KNN[17]、CNN-MNIST手寫數(shù)字識別網(wǎng)絡(luò)[28]和AlexNet[29]網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果比較如表3所示。由表3可知，神經(jīng)網(wǎng)絡(luò)在較高的信噪比下識別效果優(yōu)于本文方法，說明了神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征表征能力。但在低信噪比情況下，由于強(qiáng)噪聲的干擾，使得聲音事件的有用信息減少，神經(jīng)網(wǎng)絡(luò)識別效果不佳。而本文所提的CEMBPD-SVD與RF結(jié)合的方法均能保持較好的檢測率，且低信噪比下的檢測效果大幅度優(yōu)于其他幾種方法。

表3 6種噪聲下不同方法對動(dòng)物聲音事件的平均檢測率 %

5 討 論

從上述實(shí)驗(yàn)及結(jié)果可知，在更低的信噪比，如-10 dB和-5 dB情況下，本文方法在各種背景噪聲下的聲音事件檢測都表現(xiàn)出良好的性能，尤其在-10 dB情況下，平均檢測率達(dá)67%。在較高的信噪比，如0 dB和5 dB下，本文方法仍保持著高的檢測率。下面本文以圖8所示的茶隼聲音為例，就本文方法在低信噪比下相關(guān)的機(jī)理進(jìn)行討論，其中黑框均為茶隼聲音所處主要頻帶范圍。

5.1 壓縮函數(shù)與能量所處頻帶的問題

1) 當(dāng)聲音能量所處頻帶與噪聲能量所處頻帶在能量譜上區(qū)分明顯時(shí)，主要是聲音事件能量處在中高頻帶，噪聲能量處在低頻帶。由圖3的壓縮函數(shù)曲線可見，低頻部分的系數(shù)小，高頻部分的系數(shù)大，此時(shí)不同頻帶的能量乘以對應(yīng)的壓縮系數(shù)。在歸一化的規(guī)則下，相當(dāng)于低頻部分的噪聲能量被壓縮，中高頻部分的聲音事件能量被增強(qiáng)，從而在CEMBPD圖上實(shí)現(xiàn)噪聲能量等級下移，聲音事件能量等級提升，使聲音事件所在的區(qū)域特征最大程度保持與純凈樣本的特征一致，從而使聲音事件檢測率大幅上升。公路背景噪聲的能量主要集中在較低頻部分，如圖8(a)所示，此時(shí)壓縮函數(shù)表現(xiàn)最佳。如圖8(d)到圖8(e)黑框的變化：黑框的能量等級顯著提升與圖8(b)純凈聲音事件的黑框相似，而且黑框左側(cè)的噪聲能量等級明顯下移。這是公路背景噪聲在-10 dB低信噪比下比EMBPD-SVD方法提升了約35個(gè)百分點(diǎn)，達(dá)到90%左右的主要原因。

2) 當(dāng)聲音事件能量與噪聲能量兩者所處的頻帶相近時(shí)，由圖3的壓縮函數(shù)曲線可以看出相近頻帶的壓縮系數(shù)差距不大。在低信噪比下，聲音事件能量與噪聲能量乘以對應(yīng)的壓縮系數(shù)。由于壓縮系數(shù)差距不大，在歸一化后，噪聲與聲音事件在CEMBPD圖上的能量等級變化不如問題1)那樣明顯，此時(shí)噪聲的能量等級有所下降，聲音事件的能量等級有所提升，噪聲仍處于能量等級較高的位置。如圖8(f)到圖8(g)過程所示(橫線僅圖8(f)與圖8(g)做對比時(shí)用)：黑框的能量等級有所提升，黑框左側(cè)的能量等級有所下降，能量等級仍處于較高的位置。因此，最終檢測率的提升不如問題1)幅度大，但仍有較高的提升，表1中的海浪背景噪聲就是這類情況，-10 dB下約有15百分點(diǎn)的提升。

3) 當(dāng)聲音事件能量所處的頻帶被噪聲能量所處的頻帶掩蓋，主要是背景噪聲為寬頻高能的噪聲。此時(shí)壓縮函數(shù)fs在壓縮聲音事件的能量的同時(shí)也同比例壓縮了同頻帶的噪聲能量，在歸一化的規(guī)則下，高能噪聲仍處于能量等級高的位置，此時(shí)壓縮函數(shù)fs對聲音事件的能量等級提升有限，對于低頻部分的能量等級起到壓縮作用。雨聲背景噪聲頻域?qū)捛矣性S多分布不均的高能點(diǎn)，如圖8(b)所示。從圖8(h)、圖8(i)、圖8(j)三圖對比可以看出，圖8(j)相對于圖(i)黑框能量等級變化很小，這說明此時(shí)壓縮函數(shù)fs對被掩蓋的聲音事件能量等級調(diào)整有限；圖8(i)、圖8(j)與圖8(h)對比黑框以外的區(qū)域變化不大，且圖8(j)低頻部分相對于圖8(i)低頻部分的能量等級有所下移，這說明壓縮函數(shù)fs對寬頻噪聲的調(diào)整起到壓縮低頻帶能量等級的作用。同時(shí)，高能噪聲點(diǎn)會對聲音事件形成污染，從而影響最終檢測結(jié)果。從表1的數(shù)據(jù)來看，基于MBPD的CEMBPD在處理寬頻且有分布不均的高能點(diǎn)的雨聲背景噪聲所表現(xiàn)出來的性能并不理想，檢測率雖然從28.5%提升到42%，但仍遠(yuǎn)低于其他噪聲類型的檢測率。

(a) 公路能量譜圖 (b) 雨聲能量譜圖

(c) 純凈茶隼叫聲能量譜圖及EMBPD圖

(d) -10 dB公路環(huán)境下茶隼叫聲能量譜圖及EMBPD圖

(e) -10 dB公路環(huán)境下茶隼叫聲壓縮后的能量譜圖及CEMBPD圖

(f) -10 dB海浪環(huán)境下茶隼叫聲能量譜圖及EMBPD圖

(g) -10 dB海浪環(huán)境下茶隼叫聲壓縮后的能量譜圖及CEMBPD圖

(h) 雨聲的EMBPD圖

(i) -10 dB雨聲環(huán)境下茶隼叫聲的EMBPD圖

(j) -10 dB雨聲環(huán)境下茶隼叫聲的CEMBPD圖圖8 各種環(huán)境下的茶隼叫聲能量譜圖以及對應(yīng)的EMBPD圖和CEMBPD圖

5.2 進(jìn)一步提高檢測率的猜想

從表1可以看出系數(shù)a對不同噪聲背景下的聲音事件檢測率提升不同，因此本文對進(jìn)一步提高聲音事件檢測率提出猜想：(1) 針對不同類型噪聲的能量、頻帶寬度、能量均勻程度等特點(diǎn)對系數(shù)a做出調(diào)整或者尋找一個(gè)更合適的壓縮函數(shù)fs模型，提升對某一類型噪聲的聲音事件檢測率；(2) 將本文方法與神經(jīng)網(wǎng)絡(luò)結(jié)合，利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征提取能力，對CEMBPD圖進(jìn)行深度的特征挖掘，提升聲音事件的檢測率。

6 結(jié) 語

本文提出一種基于CEMBPD-SVD特征的隨機(jī)森林檢測方法。該方法在較高信噪比下保持著高的檢測率的同時(shí)，在更低的信噪比下，通過壓縮噪聲能量等級，提升聲音事件能量等級的方式，從而有效地提升了低信噪比下聲音事件的檢測率。同時(shí)，CEMBPD一定程度上解決了MPBD和SPD在低信噪比聲音事件檢測中出現(xiàn)的聲音事件能量下移問題，在低信噪比情況下，尤其在-10dB信噪比下，CEMBPD-SVD特征表現(xiàn)出的優(yōu)勢更為明顯。