文献类型：期刊文章

作　　者：陈志全[1] 杨骏[1] 乔树山[1]

机构地区：[1]中国科学院大学微电子研究所,北京100029

出　　处：《电子设计工程》

基　　金：中科院性战略性先导科技专项(XDA06020401)

年　　份：2016

卷　　号：24

期　　号：23

起止页码：19-22

语　　种：中文

收录情况：RCCSE、ZGKJHX、普通刊

摘　　要：提出基于单类支持向量机的异常声音在线检测算法。该算法针对公共场合正常的环境声音,训练一个单类支持向量机模型,用来判断声音是否属于正常的环境声音,若不是则属于需要进一步识别的异常声音。采用窗长2秒的滑动窗对声音进行分窗,对每一个窗内的声音分帧并提取梅尔倒谱系数,短时能量,频谱质心,短时平均过零率等特征。采用基于帧之间互相关系数的方法对声音自动分段。最后对分段声音的判别结果进行中值滤波。当有连续多个帧被判别为异常时判定有异常声音出现。最后检验了算法在地铁背景条件下六类异常声音的漏检率和每小时误检次数,结果表明算法能有效检测到异常声音的发生而且误检次数较低。

关 键 词：单类支持向量机 异常声音检测  特征提取 音频监控  

分 类 号：TN912]