基于多随机森林的低信噪比声音事件检测

• 作者: 印佳丽 李应
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 声音事件检测 信噪比 经验模态分解 子带能量分布 随机森林
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 学术论文
• 页码范围: 2705-2713
• 页数: 9页
• 分类号: TP391.42
• 字数: 5437字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.11.018

摘要

论文针对各种背景声音中低信噪比声音事件的检测问题,提出把背景声音与声音事件混合,形成带噪声样本来训练分类器.在预处理阶段,使用基于经验模态分解与2-6级固有模态函数的投票方法,对背景声音与声音事件端点进行预测并估算信噪比.接着使用子带能量分布方法,提取声音数据的特征.最后,论文将背景声音与声音事件样本库中所有声音样本按照估算的信噪比相混合,生成混合声音特征训练多随机森林,用于低信噪比声音事件的检测.实验证实,所提出的方法可以用于各种声场景下低信噪比声音事件的检测,并能在信噪比为-5dB的情况下保持67.1％的平均检测率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李应	福州大学数学与计算机科学学院	39	185	7.0	10.0
5	印佳丽	福州大学数学与计算机科学学院	1	3	1.0	1.0