一种新型环境噪声识别方法及系统与流程

1.本发明涉及环境噪声识别技术领域，尤其涉及一种新型环境噪声识别方法及系统。

背景技术：

2.噪声是音高和音强变化混乱、听起来不谐和的声音，是由发音体不规则的振动产生的，从物理学的角度来看：噪声是发声体做无规则振动时发出的声音；噪声是一类引起人烦躁、或音量过强而危害人体健康的声音，环境噪声污染主要来源于交通运输、车辆鸣笛、工业噪音、建筑施工、社会噪音如音乐厅、高音喇叭、早市和人的大声说话等，为了能够有效防治环境噪声，一般需要对环境噪声进行识别，而现有环境噪声检测方法局限于获得原始音频录音和测得的瞬间声强或一段时间内的平均声强，无法准确识别环境噪声的类别，导致无法有效对环境噪声进行防治。

技术实现要素：

3.有鉴于此，本发明提出一种新型环境噪声识别方法及系统，可以解决现有环境噪声检测方法所存在的无法准确识别环境噪声的类别的缺陷。
4.本发明的技术方案是这样实现的：一种新型环境噪声识别方法，具体包括以下步骤：步骤s1，构建声纹时序双通道识别模型，所述声纹时序双通道识别模型输入为环境噪声，所述声纹时序双通道识别模型的输出为环境噪声类别；步骤s2，采集待识别的环境噪声；步骤s3，将所述待识别的环境噪声输入所述声纹时序双通道识别模型中进行识别；步骤s4，声纹时序双通道识别模型输出该待识别环境噪声的类别。
5.作为所述新型环境噪声识别方法的进一步可选方案，所述构建声纹时序双通道识别模型包括训练阶段和测试阶段。
6.作为所述新型环境噪声识别方法的进一步可选方案，所述训练阶段具体包括以下步骤：采集环境噪声，并对环境噪声进行预处理；对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为训练样本；将训练样本输入神经网络模型中进行训练，得到初始的声纹时序双通道识别模型。
7.作为所述新型环境噪声识别方法的进一步可选方案，所述对环境噪声进行预处理，具体包括以下步骤：对环境噪声进行预加重处理，得到预加重处理后的环境噪声；
对预加重处理后的环境噪声进行分帧处理，得到分帧处理后的环境噪声；对分帧处理后的环境噪声进行加窗处理，从而实现环境噪声的预处理。
8.作为所述新型环境噪声识别方法的进一步可选方案，所述神经网络模型包括cnn神经网络模型和lstm神经网络模型。
9.作为所述新型环境噪声识别方法的进一步可选方案，所述测试阶段具体包括以下步骤：采集环境噪声，并对环境噪声进行预处理；对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为测试样本；将测试样本输入初始的声纹时序双通道识别模型，初始的声纹时序双通道识别模型输出对应的环境噪声类别。
10.一种新型环境噪声识别系统，所述系统包括：构建模块，用于构建声纹时序双通道识别模型；第一采集模块，用于采集待识别的环境噪声；输入模块，用于将所述待识别的环境噪声输入所述声纹时序双通道识别模型中进行识别；输出模块，用于声纹时序双通道识别模型输出该待识别环境噪声的类别。
11.作为所述新型环境噪声识别系统的进一步可选方案，所述构建模块包括训练模块和测试模块，所述训练模块包括：第二采集模块，用于采集环境噪声；第一预处理模块，用于对环境噪声进行预处理；第一特征提取模块，用于对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为训练样本；神经网络模型，用于将训练样本输入神经网络中进行训练，得到初始的声纹时序双通道识别模型。
12.作为所述新型环境噪声识别系统的进一步可选方案，所述预处理模块包括：预加重模块，用于对环境噪声进行预加重处理，得到预加重处理后的环境噪声；分帧模块，用于对预加重处理后的环境噪声进行分帧处理，得到分帧处理后的环境噪声；加窗模块，用于对分帧处理后的环境噪声进行加窗处理。
13.作为所述新型环境噪声识别系统的进一步可选方案，所述测试模块包括：第三采集模块，用于采集环境噪声；第二预处理模块，用于对环境噪声进行预处理；第二特征提取模块，用于对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为测试样本；检验模块，用于将测试样本输入初始的声纹时序双通道识别模型，初始的声纹时序双通道识别模型输出对应的环境噪声类别进行检验。
14.本发明的有益效果是：通过构建声纹时序双通道识别模型，能够识别出环境噪声的声纹特征和时序特征，从而依据声纹特征和时序特征准确识别出环境噪声的类别，大大
提高环境噪声的识别准确率和效率，进而解决了现有技术无法准确识别环境噪声的类别的缺陷。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1为本发明一种新型环境噪声识别方法的流程示意图；图2为本发明一种新型环境噪声识别系统的组成图。
具体实施方式
17.下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
18.参考图1-2，一种新型环境噪声识别方法，具体包括以下步骤：步骤s1，构建声纹时序双通道识别模型，所述声纹时序双通道识别模型输入为环境噪声，所述声纹时序双通道识别模型的输出为环境噪声类别；步骤s2，采集待识别的环境噪声；步骤s3，将所述待识别的环境噪声输入所述声纹时序双通道识别模型中进行识别；步骤s4，声纹时序双通道识别模型输出该待识别环境噪声的类别。
19.在本实施例中，通过构建声纹时序双通道识别模型，能够识别出环境噪声的声纹特征和时序特征，从而依据声纹特征和时序特征准确识别出环境噪声的类别，大大提高环境噪声的识别准确率和效率，进而解决了现有技术无法准确识别环境噪声的类别的缺陷。
20.优选的，所述构建声纹时序双通道识别模型包括训练阶段和测试阶段。
21.优选的，所述训练阶段具体包括以下步骤：采集环境噪声，并对环境噪声进行预处理；对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为训练样本；将训练样本输入神经网络模型中进行训练，得到初始的声纹时序双通道识别模型。
22.优选的，所述对环境噪声进行预处理，具体包括以下步骤：对环境噪声进行预加重处理，得到预加重处理后的环境噪声；对预加重处理后的环境噪声进行分帧处理，得到分帧处理后的环境噪声；对分帧处理后的环境噪声进行加窗处理，从而实现环境噪声的预处理。
23.在本实施例中，通过麦克风采集的环境噪声信号，对环境噪声信号进行预加重、分帧和加窗处理，得到加窗处理后的环境噪声，对加窗处理后的环境噪声进行短时傅里叶变
换，然后计算每一帧信号的能量谱，并在能量谱上应用mel滤波器组，提取到声纹特征和时序特征，最后将声纹特征和时序特征绘制成图作为特征数据，输入神经网络模型进行训练。
24.优选的，所述神经网络模型包括cnn神经网络模型和lstm神经网络模型。
25.在本实施例中，初始的声纹时序双通道识别模型具体处理流程为：cnn神经网络模型用于提取环境噪声的声纹特征，lstm神经网络模型用于提取环境噪声的时序特征，通过加权运算将cnn神经网络模型输出结果和lstm神经网络模型输出结果进行融合，即将两个神经网络模型得到的特征进行加权融合，形成具备声纹和时序特性的新的特征，最后将得到的新特征通过softmax分类器进行分类，输出的结果即为该环境噪声的类别；需要说明的是，声纹时序双通道识别模型的结构主要由两层卷积-池化层、一层lstm层和两层全连接层组成。
26.优选的，所述测试阶段具体包括以下步骤：采集环境噪声，并对环境噪声进行预处理；对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为测试样本；将测试样本输入初始的声纹时序双通道识别模型，初始的声纹时序双通道识别模型输出对应的环境噪声类别。
27.在本实施例中，通过测试样本对初始的声纹时序双通道识别模型进行检验，能够有效优化初始的声纹时序双通道识别模型，从而有效保证构建出来的声纹时序双通道识别模型的准确率。
28.一种新型环境噪声识别系统，所述系统包括：构建模块，用于构建声纹时序双通道识别模型；第一采集模块，用于采集待识别的环境噪声；输入模块，用于将所述待识别的环境噪声输入所述声纹时序双通道识别模型中进行识别；输出模块，用于声纹时序双通道识别模型输出该待识别环境噪声的类别。
29.在本实施例中，通过构建声纹时序双通道识别模型，能够识别出环境噪声的声纹特征和时序特征，从而依据声纹特征和时序特征准确识别出环境噪声的类别，大大提高环境噪声的识别准确率和效率，进而解决了现有技术无法准确识别环境噪声的类别的缺陷。
30.优选的，所述构建模块包括训练模块和测试模块，所述训练模块包括：第二采集模块，用于采集环境噪声；第一预处理模块，用于对环境噪声进行预处理；第一特征提取模块，用于对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为训练样本；神经网络模型，用于将训练样本输入神经网络中进行训练，得到初始的声纹时序双通道识别模型。
31.优选的，所述预处理模块包括：预加重模块，用于对环境噪声进行预加重处理，得到预加重处理后的环境噪声；分帧模块，用于对预加重处理后的环境噪声进行分帧处理，得到分帧处理后的环境噪声；
加窗模块，用于对分帧处理后的环境噪声进行加窗处理。
32.在本实施例中，通过麦克风采集的环境噪声信号，对环境噪声信号进行预加重、分帧和加窗处理，得到加窗处理后的环境噪声，对加窗处理后的环境噪声进行短时傅里叶变换，然后计算每一帧信号的能量谱，并在能量谱上应用mel滤波器组，提取到声纹特征和时序特征，最后将声纹特征和时序特征绘制成图作为特征数据，输入神经网络模型进行训练。
33.优选的，所述测试模块包括：第三采集模块，用于采集环境噪声；第二预处理模块，用于对环境噪声进行预处理；第二特征提取模块，用于对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为测试样本；检验模块，用于将测试样本输入初始的声纹时序双通道识别模型，初始的声纹时序双通道识别模型输出对应的环境噪声类别进行检验。
34.在本实施例中，通过测试样本对初始的声纹时序双通道识别模型进行检验，能够有效优化初始的声纹时序双通道识别模型，从而有效保证构建出来的声纹时序双通道识别模型的准确率。
35.以上所述仅为本发明的较佳实施方式而已，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。

技术特征：

1.一种新型环境噪声识别方法，其特征在于，具体包括以下步骤：步骤s1，构建声纹时序双通道识别模型，所述声纹时序双通道识别模型输入为环境噪声，所述声纹时序双通道识别模型的输出为环境噪声类别；步骤s2，采集待识别的环境噪声；步骤s3，将所述待识别的环境噪声输入所述声纹时序双通道识别模型中进行识别；步骤s4，声纹时序双通道识别模型输出该待识别环境噪声的类别。2.根据权利要求1所述的一种新型环境噪声识别方法，其特征在于，所述构建声纹时序双通道识别模型包括训练阶段和测试阶段。3.根据权利要求2所述的一种新型环境噪声识别方法，其特征在于，所述训练阶段具体包括以下步骤：采集环境噪声，并对环境噪声进行预处理；对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为训练样本；将训练样本输入神经网络模型中进行训练，得到初始的声纹时序双通道识别模型。4.根据权利要求3所述的一种新型环境噪声识别方法，其特征在于，所述对环境噪声进行预处理，具体包括以下步骤：对环境噪声进行预加重处理，得到预加重处理后的环境噪声；对预加重处理后的环境噪声进行分帧处理，得到分帧处理后的环境噪声；对分帧处理后的环境噪声进行加窗处理，从而实现环境噪声的预处理。5.根据权利要求4所述的一种新型环境噪声识别方法，其特征在于，所述神经网络模型包括cnn神经网络模型和lstm神经网络模型。6.根据权利要求5所述的一种新型环境噪声识别方法，其特征在于，所述测试阶段具体包括以下步骤：采集环境噪声，并对环境噪声进行预处理；对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为测试样本；将测试样本输入初始的声纹时序双通道识别模型，初始的声纹时序双通道识别模型输出对应的环境噪声类别。7.一种新型环境噪声识别系统，其特征在于，所述系统包括：构建模块，用于构建声纹时序双通道识别模型；第一采集模块，用于采集待识别的环境噪声；输入模块，用于将所述待识别的环境噪声输入所述声纹时序双通道识别模型中进行识别；输出模块，用于声纹时序双通道识别模型输出该待识别环境噪声的类别。8.根据权利要求7所述的一种新型环境噪声识别系统，其特征在于，所述构建模块包括训练模块和测试模块，所述训练模块包括：第二采集模块，用于采集环境噪声；第一预处理模块，用于对环境噪声进行预处理；第一特征提取模块，用于对预处理的环境噪声进行特征提取，得到环境噪声的声纹特
征和时序特征作为训练样本；神经网络模型，用于将训练样本输入神经网络中进行训练，得到初始的声纹时序双通道识别模型。9.根据权利要求8所述的一种新型环境噪声识别系统，其特征在于，所述预处理模块包括：预加重模块，用于对环境噪声进行预加重处理，得到预加重处理后的环境噪声；分帧模块，用于对预加重处理后的环境噪声进行分帧处理，得到分帧处理后的环境噪声；加窗模块，用于对分帧处理后的环境噪声进行加窗处理。10.根据权利要求9所述的一种新型环境噪声识别系统，其特征在于，所述测试模块包括：第三采集模块，用于采集环境噪声；第二预处理模块，用于对环境噪声进行预处理；第二特征提取模块，用于对预处理的环境噪声进行特征提取，得到环境噪声的声纹特征和时序特征作为测试样本；检验模块，用于将测试样本输入初始的声纹时序双通道识别模型，初始的声纹时序双通道识别模型输出对应的环境噪声类别进行检验。

技术总结

本发明公开了一种新型环境噪声识别方法及系统，方法包括构建声纹时序双通道识别模型，所述声纹时序双通道识别模型输入为环境噪声，所述声纹时序双通道识别模型的输出为环境噪声类别，采集待识别的环境噪声，将所述待识别的环境噪声输入所述声纹时序双通道识别模型中进行识别，声纹时序双通道识别模型输出该待识别环境噪声的类别；通过构建声纹时序双通道识别模型，能够识别出环境噪声的声纹特征和时序特征，从而依据声纹特征和时序特征准确识别出环境噪声的类别，大大提高环境噪声的识别准确率和效率，进而解决了现有技术无法准确识别环境噪声的类别的缺陷。别环境噪声的类别的缺陷。别环境噪声的类别的缺陷。