第聲音模型的識別與建立

聲音模型的識別與建立

202x長沙理工大學第二屆研究生數(shù)學建模競賽參賽

承諾書

我們仔細閱讀了長沙理工大學研究生數(shù)學建模競賽的競賽規(guī)則.

我們完全明白，在競賽開始后參賽隊員不能以任何方式（包括電話、電子郵件、網(wǎng)上咨詢等）與隊外的任何人（包括指導教師）研究、討論與賽題有關的問題。

我們知道，抄襲別人的成果是違反競賽規(guī)則的,如果引用別人的成果或其他公開的資料（包括網(wǎng)上查到的資料），必須按照規(guī)定的參考文獻的表述方式在正文引用處和參考文獻中明確列出。

我們鄭重承諾，嚴格遵守競賽規(guī)則，以保證競賽的公正、公平性。如有違反競賽規(guī)則的行為，我們將受到嚴肅處理。

我們授權長沙理工大學研究生數(shù)學建模競賽組委會，可將我們的論文以任何形式進行公開展示（包括進行網(wǎng)上公示，在書籍、期刊和其他媒體進行正式或非正式發(fā)表等）。

我們參賽選擇的題號是（從組委會提供的試題中選擇一項填寫）：我們的參賽報名號為（如果組委會設置報名號的話）：所屬學校（請?zhí)顚懲暾娜簠①愱爢T(打印并簽名)：1.2.3.

指導教師或指導教師組負責人(打印并簽名)：日期：年月日

評閱編號（由組委會評閱前進行編號）：

聲音模型的識別與建立

202x長沙理工大學研究生數(shù)學建模競賽

編號專用頁

評閱編號（由組委會評閱前進行編號）：

評閱記錄（可供評閱時使用）：

聲音模型的識別與建立

聲音識別模型的建立與評價

摘要

本文通過使用MATLAB軟件對聲音的時域和頻域特征進行了提取，研究特征向量提取方法及SVM核函數(shù)和參數(shù)選取對識別結(jié)果的影響，分析特征提取算法的優(yōu)缺點，以及不同核函數(shù)以及懲罰參數(shù)對識別性能的影響。通過使用支持向量機法建模，基本達到了區(qū)分正常聲音與非正常聲音的目的。最后提出用低通濾波濾除白噪聲。

關鍵詞：特征向量，支持向量機，核函數(shù)，低通濾波，白噪聲

聲音模型的識別與建立

從物理上講，聲音是由物體振動產(chǎn)生的一種波，并通過空氣作用于人的耳鼓，使人們能

夠感知。聲音的具有四種性質(zhì)：1）音高：振動發(fā)出的聲波有不同的頻率，稱為“音高”；2）強弱：聲音的強弱是由振幅決定的，振幅是代表物體振動強度的特定單位，一般用分貝(dB)來表示。3）長短：一般把聲音的發(fā)展過程分為四個階段，分別是觸發(fā)、衰減、保持和消失。這四個階段稱為“包絡”，包絡的發(fā)生時間，也就是一個聲音的長短。4)音質(zhì)：音質(zhì)好的聲音聽起來悅耳，相反則讓人不適。

問題一

利用matlab中的sound函數(shù)，播放出聲音信號，試聽并比較正常和非正常開門聲音的差

別，利用plot函數(shù)繪制出具體的聲音波形圖，總結(jié)差別在哪些方面？

試聽：我們使用sound函數(shù)播放聲音樣本。在仔細聽了正常開門及非正常開門的聲音后，

發(fā)現(xiàn)了他們之間的差別：正常開門聲音很短促，即聲音的長短度短，且其強弱度相對較低。相反非正常開門聲音持續(xù)時間長，強弱度高。

畫圖：我們選取了三組正常開門及三組非正常開門的聲音，使用plot函數(shù)畫出聲音波形

圖，如下圖1所示：

由圖1可以看出正常開門的聲音波形比較疏松，所以音調(diào)就低。非正常開門的聲音波形

比較密集，所以聲調(diào)就高。我們還可以看出前者聲波比較集中，而后者則比較散，即跨度大。這一點很好理解，正常用鑰匙開門所需時間肯定比盜賊撬鎖所需時間短，所以就造成了這種現(xiàn)象。程序源代碼見附錄一。

聲音模型的識別與建立

圖1正常與非正常開門聲音波形圖

問題二

利用合適的時域或（和）頻域特征表達個聲音信號，建立特征向量，寫出提取特征向量

的具體方法和程序代碼。

首先，我們對兩種樣本求其均值。由于正常開門的第一組數(shù)據(jù)有人聲干擾，故舍去。然

后用plot函數(shù)畫出聲音波形圖，如下圖2所示：

根據(jù)所分析的參數(shù)類型，語音信號分析可以分成時域分析和變換域(頻域、倒譜域)分析。

其中時域分析方法是最簡單、最直觀的方法，因為它直接對語音信號的時域波形進行分析。接下來我們先進行時域分析。

聲音模型的識別與建立

圖2正常開門聲與非正常開門聲均值

短時平均能量：定義n時刻某語音信號的短時平均能量En為：

En

m

[x(m)(nm)]2

m(1)

nN

n

[x(m)(nm)]2（1）

式中，N為窗長，可見短時能量為一幀樣點值的平方和。

一般我們認為聲音在10-30ms之內(nèi)是穩(wěn)定的，取幀長也在10-30ms之內(nèi)，而幀移通常取

5-15ms之間，所以取N=55、95、125、165。如下圖3、4為正常開門及非正常開門N取不同值時短時能量函數(shù)隨幀數(shù)的變化曲線，其中橫坐標為幀數(shù)。

由圖3、圖4可以看出，N=55,N=95時的曲線不夠平滑，而N=165的曲線又過于平滑，

故選取N=125時的曲線。

聲音模型的識別與建立

圖3正常開門聲音的短時能量曲線

圖4非正常開門聲音的短時能量曲線

聲音模型的識別與建立

通過觀察短時能量曲線，可以看出正常開門時的能量比較集中且數(shù)值小，非正常開門時

的能量比較分散且數(shù)值大。容易想到，這些現(xiàn)象與前面問題一的結(jié)論是相吻合的。

短時平均過零率：短時平均過零率是指每幀內(nèi)信號通過零值的次數(shù)。對有時間橫軸的連

續(xù)聲音信號，可以觀察到聲音的時域波形通過橫軸的情況。在離散時間聲音信號情況下，如果相鄰的采樣具有不同的代數(shù)符號就稱為發(fā)生了過零，因此可以計算過零的次數(shù)。

Zn

|sgn[x(m)]sgn[x(mm

1)]|(nm)

（2）

=|sgn[x(n)sgn[x(n1)]x(n)

上式為短時平均過零率的公式，其中，sgn[]為符號函數(shù)，即

1,x(n)0sgn[x(n)]

（3）

1,x(