一种基于SVM的音频噪声检测方法与流程

本发明属于安防监控领域，尤其是涉及一种基于SVM的音频噪声检测方法。

背景技术：

安防监控领域不止是对图像要求的越来越高，对音频也不仅限于编解码，同时还要求检测不同的噪声，包括强噪声、啸叫、电流噪声等各种。而且各种噪声混杂在有效声音里面，需要从有效声音中将这些噪声分离出来并进行检测分类。以前简单只依靠时域或频域的检测方法无法很好的将噪声分离出来，所以会导致检测结果不正确。因此，研发一种基于SVM的音频噪声检测方法是个亟待解决的问题

技术实现要素：

有鉴于此，本发明旨在提出一种基于SVM的音频噪声检测方法，可以提高检测结果的准确性。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于SVM的音频噪声检测方法，包括如下步骤：

A、准备声音样本数据(包括正样本和负样本)；

B、提取声音样本的MFCC特征，用于音频噪声检测；

C、并将样本特征输入到SVM分类器进行训练，得到训练model文件；

D、使用PCA分离现场音频噪声；

E、将分离出来的音频进行MFCC特征提取；

F、将提取出来的特征输入到SVM分类器进行分类，得到分类结果。

进一步的，使用MFCC提取音频特征，其方法为：

1)语音预处理与分帧；包括预加重、提升高频部分、使信号的频谱变得平坦、移除频谱倾斜、来补偿语音信号受到发音系统所抑制的高频部分；设置帧长和帧移，将音频信号分帧(一小段的音频信号可以看做是短时平稳的)；信号加窗(选择合适的窗长N)，减少频谱能量泄露；

2)傅里叶变换FFT并求能量谱；

3)Mel滤波器组(三角滤波器)；

4)对M个通带的输出作DCT变换，得到M个倒谱系数；

5)取M个倒谱系数中的前L个(L一般为12～16)，构成MFCC参数。

进一步的，SVM噪声检测，分为两部分：训练和测试。将提取到的MFCC特征参数输入到SVM训练器中，生成model文件；实时检测环境噪声，将实时提取出来的MFCC特征值输入SVM自动匹配识别，得到识别结果。

相对于现有技术，本发明所述的基于SVM的音频噪声检测方法具有以下优势：根据本发明的SVM训练检测音频噪声，能够排除噪声混杂到一起对检测结果的影响，能够准确的检测出各种噪声；同时这样只需要通过专家评估音频样本，可以提高检测效率，避免了个人的主观因素。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明基于SVM的音频噪声检测算法的执行流程图。

图2是MFCC音频特征提取流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

一种基于SVM的音频噪声检测方法，包括如下步骤：

A、准备声音样本数据(包括正样本和负样本)；

B、提取声音样本的MFCC特征，用于音频噪声检测；

C、并将样本特征输入到SVM分类器进行训练，得到训练model文件；

D、使用PCA分离现场音频噪声；

E、将分离出来的音频进行MFCC特征提取；

F、将提取出来的特征输入到SVM分类器进行分类，得到分类结果。

首先使用MFCC提取音频特征，其方法为：

1)语音预处理与分帧；包括预加重、提升高频部分、使信号的频谱变得平坦、移除频谱倾斜、来补偿语音信号受到发音系统所抑制的高频部分；设置帧长和帧移，将音频信号分帧(一小段的音频信号可以看做是短时平稳的)；信号加窗(选择合适的窗长N)，减少频谱能量泄露；

2)傅里叶变换FFT并求能量谱；

3)Mel滤波器组(三角滤波器)；

4)对M个通带的输出作DCT变换，得到M个倒谱系数；

5)取M个倒谱系数中的前L个(L一般为12～16)，构成MFCC参数。

接下来是SVM噪声检测，分为两部分：训练和测试。将提取到的MFCC特征参数输入到SVM训练器中，生成model文件；实时检测环境噪声，将实时提取出来的MFCC特征值输入SVM自动匹配识别，得到识别结果。

本SVM分类方法并不固定，是一切可以用于分类的方式，SVM只是举例说明。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。