林艺明 李 应

(福州大学数学与计算机科学学院 福建 福州 350108)

0 引 言

低信噪比声音事件检测的目标是从音频信号中检测出微弱的声音对象，并识别和分类这些声音。近年来，随着数字声音分析技术的发展，它在现实世界里有许多的实际运用，例如生物监控、智能家居、自然环境识别、公共场所枪声检测等。

现有的声音事件检测研究主要有：基于注意力机制的声音事件检测方法[1]；嘈杂环境下的特定声音事件检测方法[2]；基于声音事件分区和特征标准化的声音事件检测方法[3]；城市环境下特定声音事件的检测方法[4]；特定声音事件的声音信号增强方法[5]；声音信号数据不平衡的声音事件检测方法[6]；声音事件的特征、分类器以及特征与分类器的组合等[7-13]。这些方法对各类声音事件的检测与分类进行单一的改进或组合，从不同方面对声音事件检测深入研究，在高信噪比环境下都取得了较高的检测率，但是对低信噪比声音事件检测的效果不佳，检测率亟待提高。

针对低信噪比环境下各种声音事件的检测，本文提出了基于能量压缩与灰度增强的多频带能量分布图的声音事件检测方法(Energy Compressed and Grey-Scale Enhanced Multi-Band Power Distribution，CEMBPD)。该方法通过奇异值分解(SVD)提取奇异值特征，即CEMBPD-SVD，并用随机森林(RF)分类器对奇异值特征进行训练与检测。

1 相关研究

1.1 现有方法

文献[14]通过利用粒子群算法优化正交匹配跟踪(OMP)稀疏分解对信号进行重构和利用短时谱估计对重构后的残余信号做增强处理。二次重构后提取信号的MFCC特征、时频特征和基频特征组成特征集。……