自适应粒子群优化匹配追踪声音事件识别算法

摘要：

针对公共环境中的声音事件识别问题,提出基于自适应粒子群优化(PSO)匹配追踪(MP)稀疏分解的声音事件识别算法.该算法在分析MP稀疏分解的基础上,先基于适应度函数改进PSO算法相关参数的自适应设置,再基于自适应PSO算法构建优化MP稀疏分解的目标函数及信号重构函数,实现自适应PSO算法优化MP稀疏分解,从而借助连续Gabor超完备集来提高最优原子的匹配程度,增强声音信号,提高特征的分类性能,最后使用优化的支持向量机(SVM)和复合特征实现公共环境中的声音事件准确识别.实验结果表明,与已有算法相比,所提识别算法显著降低了计算量,并取得了最优的声音识别率,且具有较好的识别鲁棒性.

关键词：机器视觉、声音事件识别、自适应粒子群算法、匹配追踪、稀疏分解、支持向量机

所属期刊栏目：57

分类号：TP391.4(计算技术、计算机技术)

资助基金：辽宁省教育厅科学研究项目ldxy2017008

在线出版日期：2020-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：285-291