一种基于特征分层和改进ECAPA-TDNN的声学场景分类的方法

技术特征：
1.一种基于特征分层和改进ecapa-tdnn的声学场景分类的方法，其特征在于，包括：步骤s1、在特征提取阶段，通过预加重、分帧、加窗、滤波操作得到梅尔频谱图；步骤s2、利用梅尔频谱结合谐波增强部分、打击源增强部分和残差部分的相对分量得到梅尔频谱谐波分量、打击源分量和残差分量；步骤s3、得到三层分量后，再将分量作为特征输入进结合群卷积的ecapa-tdnn当中。2.根据权利要求1所述的基于特征分层和改进ecapa-tdnn的声学场景分类的方法，其特征在于，所述步骤s1具体包括：步骤s11、对输入音频信号的高频分离进行补偿，增强其高频部分提高信噪比，弥补其在传输过程中高频分量的衰减；步骤s12、对分帧加窗后的各帧信号做一个n点傅里叶变换来计算频谱；步骤s13、将声音频带从低到高按临界带宽由密到疏设置三角滤波器。3.根据权利要求1所述的基于特征分层和改进ecapa-tdnn的声学场景分类的方法，其特征在于，在步骤s2中，将梅尔频谱的时域分量s
m
(t)和频域分量s
m
(f)的绝对值作为输入信号输入中值滤波器，其输出信号为梅尔频谱的谐波增强部分h
m
和打击源增强部分p
m
；将梅尔频谱的残差部分r
m
定义为：r
m
＝|s
m
|-(p
m
h
m
)然后，基于梅尔频谱的谐波增强部分h
m
、打击源增强部分p
m
和残差部分r
m
，计算出其各自的相对分量m
hm
、m
pm
和m
rm
如下：如下：如下：最后，利用梅尔频谱结合谐波增强部分、打击源增强部分和残差部分的相对分量得到梅尔频谱谐波分量c
msh
、梅尔频谱打击源分量c
msp
和梅尔频谱残差分量c
msr
分别为：分别为：分别为：4.根据权利要求1所述的基于特征分层和改进ecapa-tdnn的声学场景分类的方法，其特征在于，在步骤s3中，将时间注意机制进一步扩展到信道维度，能够关注到多个向量间的内部联系，充分激活临近或相似输入向量的隐含特征；设群卷积有三个卷积核，每个卷积核对应一个通道与之独立连接，卷积操作在每个组内完成，组间不共享特征映射，各个组完成卷积后将输出叠在一起作为这一层的最终输出通道。

技术总结
本发明公开了一种基于特征分层和改进ECAPA-TDNN的声学场景分类的方法，包括在特征提取阶段，通过预加重、分帧、加窗、滤波操作得到梅尔频谱图；利用梅尔频谱结合谐波增强部分、打击源增强部分和残差部分的相对分量得到梅尔频谱谐波分量、打击源分量和残差分量；得到三层分量后，再将分量作为特征输入进结合群卷积的ECAPA-TDNN当中。本发明的基于特征分层和改进ECAPA-TDNN的声学场景分类的方法能够忽略背景噪音的同时，减少分类误差，并提升模型分类速度。型分类速度。型分类速度。


技术研发人员：艾欣 赵帅
受保护的技术使用者：辽宁工程技术大学
技术研发日：2022.06.22
技术公布日：2022/8/12