一种基于谐波冲击源分离数据增强的音频场景识别方法

摘要

一种基于谐波冲击源分离数据增强的音频场景识别方法，包括：对训练集中的音频进行总谐波分量H与总冲击分量P的分离，通过由一段音频生成两段音频，实现数据增强；将经过谐波冲击源分离得到的两段音频作为训练集输入场景识别系统，进行音频特征提取；将训练集的音频特征作为分类器网络的输入，训练分类器网络，在测试集中根据分类器网络的输出结果识别音频场景。本发明用于在音频场景识别，采用相同的分类器模型，分类准确率得到了较大的提升。通过基于谐波冲击源分离数据增强，系统将会获得一个更大、更多样化的训练集。基于该训练集对分类器网络进行训练，可以很好地提升分类器网络的学习能力和泛化能力。