论文总字数：16839字

摘 要

随着社会的发展，智能化生活离我们越来越近，通过强大芯片运算能力以及完善的数据分析系统，我们已经可以通过语音来控制各类智能家居，时代的发展给我们带来前所未有的生活体验。声音事件作为远程控制最为方便，最为简单的一种方式，被广泛应用于各种领域。通过传感器来采集声音事件，利用芯片进行特征分析，再结合大数据进行匹配。可以轻松实现声音事件的识别，获得良好的人机交互体验。声音事件识别也可以应用于各种不同领域。在本文中，我们主要使用MATLAB软件，通过提取各种不同声音事件的特征参数，利用K近临算法进行编程分析声音事件。使用自己的声音事件数据库来进行识别比对，作出正确的声音事件确认。可以预料，在不远的将来，科技的创新会让声音事件识别技术会让我们工作效率提高，让生活更加便捷。

关键词：特征参数提取；K近邻算法；声音事件识别

Abstract

With the development of society, intelligent life is getting closer and closer to us. Through powerful chip computing capabilities and a complete data analysis system, we can already control all kinds of smart homes through voice. The development of the times has brought us an unprecedented life. Experience. As the most convenient and simple way of remote control, sound events are widely used in various fields. Acquire sound events through sensors, use chips for feature analysis, and then combine with big data for matching. The recognition of sound events can be easily realized, and a good human-computer interaction experience can be obtained. Sound event recognition can also be applied to a variety of different fields. In this article, we mainly use MATLAB software to program and analyze the sound events by extracting the characteristic parameters of various sound events and using the K-Nearest Neighbor. Use your own sound event database for identification and comparison, and make the correct sound event confirmation. It is foreseeable that in the near future, technological innovation will enable sound event recognition technology to improve our work efficiency and make life more convenient.

Key words:Feature parameter extraction ；KNN algorithm ；Voiceprint recognition

摘要 I

第一章 绪论 1

1.1声音事件识别的研究背景 1

1.2声音事件识别的基本原理 1

1.3声音事件识别的意义 3

1.4本文的主要工作 3

第二章 声音事件的预处理及特征提取 4

2.1 声音事件的预处理 4

2.1.1声音事件的预加重处理 4

2.1.2声音事件的加窗处理 4

2.2 声音事件的时域特征提取 5

2.2.1短时能量特征 5

2.2.2基音频率及其衍生参数 6

2.2.3短时平均过零率 7

2.3声音事件的频域特征分析 7

2.3.1LPC倒谱系数 7

2.3.2MEL倒谱系数 8

2.4本章小结 9

第三章 K近邻分类算法 10

3.1 KNN算法原理简介 10

3.2 KNN算法优点 10

3.3 基于KNN算法的声音事件识别过程 11

3.4 本章小结 11

第四章 基于K近邻算法的声音事件识别实验 12

4.1软硬件条件 12

4.2声音数据库的选择 12

4.3相关阈值及参数设定 12

4.4实验内容 12

4.5 K近邻算法模型实验结果与结论 13

4.6 本章小结 13

第五章 总结与展望 15

致谢 16

参考文献 17

绪论

1.1声音事件识别的研究背景

随着智能穿戴设备以及智能音响出现在人们生活的方方面面，各种智能化设备如各种品牌的智能音箱，智能穿戴设备，手机等都使用了各种声音识别技术。声音识别技术通过硬件设备对语音信号进行采集，然后对信号的特征进行分析，可以辨别各种声音。通过对算法的改进和设备的更新，声音识别技术更加方便、经济、准确、成为智能化生活中不可或缺的一部分。在越来越多的领域中其获得了更为广泛的应用。

在早期用于军事方面，而现今多用于各种智能化的设备，比如通过特定的声音事件可以随时唤醒智能音箱，在智能汽车上可以随时获得目的地的导航线路等。也广泛应用于刑侦，金融，通过声音事件识别确定说话人身份。随着技术的深入性，为了对声音事件进行准确识别，现有技术应用计算机强大的运算能力进行分析处理，使研究更加方便快捷。

随着人们对声音事件识别技术的深入研究，对于未来语音识别领域有着非常可观的价值意义，可在现有的声音处理领域中，对于复杂声音事件识别技术仍不算成熟，当外界有其他影响因素或处于一些识别环境较差的地点，如在吵闹嘈杂的环境、多人对话的场景中。或者声音事件已经经过了一系列的预处理，比如是经过录音之后输出的语音，语音软件经过变声之后的声音或者是掺杂机械噪声后的声音事件。目前的设备对于声音的识别准确度会有所降低，对于目前的设备来说，想要其准确的识别并辨别这些声音获得人们想要的结果是较为困难的。并且最为重要的一点是，声音事件的产生者其产生的声音具有不稳定性，比如每个人的性别、年龄、情绪、身体状况都是改变一个人语音信号的重要因素。所以不同的语音事件极易产生截然相反的结果。声音事件的识别技术可以与多领域进行结合，其他领域会获得更深层次的进步与发展。

1.2声音事件识别的基本原理

每段声音事件中都包含声音事件特有的声音特征例如某些噪声的频率较高，女性声音的频率普遍高于男性，通过对原始声音信号的采集之后，我们可以提取出原始声音的基本参数，与对比数据库进行比对从而可以判读出声音事件的本体。但是，首先我们需要了解的是，声音事件识别并不等同于语音识别。声音事件识别主要是通过提取声音事件中的时间域或频域特点从而来识别声音事件所属的种类，与声音事件本身的内容无关，而语音识别则是需要识别出语音中的具体语义内容，通过语义的内容来进行下一步的分析与判断。声音事件识别主要是识别声音事件的场景本身如可以通过噪声来判读出为白噪声或者为汽车噪声从而来判断出声音事件的场景，而语音识别主要是获得人说话的语义从而进行判断与分析。

下图1.2.1为声音事件识别系统的结构框图

剩余内容已隐藏，请支付后下载全文，论文总字数：16839字