融合GMM及SVM的特定音频事件高精度识别方法

• 作者: 李金玉 潘丽敏 王坤 罗森林 谢尔曼
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 音频识别 高斯混合模型(GMM) 支持向量机(SVM) Mel频率倒谱系数(MFCC) 特定音频事件
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 信息与控制
• 页码范围: 716-722
• 分类号: TP391
• 语种: 中文

摘要

针对特定音频事件识别中持续时间特别短的音频事件漏检概率高、识别速度较慢的问题,提出一种融合高斯混合模型(GMM)及支持向量机(SVM)的特定音频事件识别算法.该方法利用GMM的统计分布描述能力和SVM的推广泛化能力,将GMM和SVM分别识别的结果进行融合处理,以手枪、步枪、机关枪等10类以上枪声为实验数据,无需针对每种枪声生成相应的识别模板,仅需训练生成2个识别模板.实验结果表明,识别准确率达到92.71％.该方法模板数量少,不需要多次训练,算法复杂度较低,不仅便于应用而且可大幅提升识别效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗森林	北京理工大学信息与电子学院	121	821	14.0	23.0
2	潘丽敏	北京理工大学信息与电子学院	66	402	10.0	17.0
3	王坤	北京理工大学信息与电子学院	25	101	4.0	10.0
4	李金玉	北京理工大学信息与电子学院	2	9	2.0	2.0
5	谢尔曼	北京理工大学信息与电子学院	8	29	2.0	5.0