Java数字音频识别程序

2017-03-11 21:51侯昶宇
中国新通信 2017年3期
关键词:目标识别

侯昶宇

【摘要】 本文主要讨论java实现声音识别程序,采用mfcc参数提取以及混合高斯模型方法。使用mfcc处理声音得到音频的特征参数后,通过混合高斯模型建模实现对音频的判别。最终通过JNI方法将windows下程序移植到Android端下运行。

【关键词】 梅尔倒谱系数 混合高斯模型 目标识别

一、背景及应用

对于声音识别技术来说,由于不需要过多接触以及实体间交互模式的认证,因此,它在使用中比其他种类的识别技术更加便利。而在配置过程中,由于当前多数电子数码产品都已经安装了声卡和话筒,因而构架上也可以节约更多的成本。此外,对于使用环境来说,由于不需要如视频监控设备那样对角度有着较高的要求,所以声音识别系统的使用环境无疑也会更加的随意和隐蔽。这些都是声音识别系统与其他安防设施相比更加独特的优势。

除了常见的安防系统应用以外,其实日常生活中一些身份识别也采用声音识别模式。现在,很多银行都采用了声音识别的模式进行保险箱的控制;或者在一些远程的服务中,也采用声音识别的模式,对客户的身份进行定位。此外,作为智能化技术的重要一环,声音识别同样可以用于智能家电。尽管这种全新的模式在短时间之内普及,无论是在技术上还是理念上都会遇到不小的阻力。但从长远来看,这种技术的出现以及民用化的普及,对于未来实现个人信息的全方位保护将起到标志性作用。

二、声音识别程序概述

首先将音频文件读作浮点数数组指针采样点,之后将数组建立混合高斯模型,再将读取的结果和已经保存的混合高斯模型做比较,从而得出与高斯模型中最接近的结果。

2.1高斯模型

高斯模型就是用高斯概率密度函数(正态分布曲线)精确地量化事物,将一个事物分解为若干基于高斯概率密度函数(正态分布曲线)形成的模型。

2.2统计学习模型

我们常用所谓统计模型的学习分为概率模型和非概率模型。概率模型指的是模型训练方式为P=(Y|X)的类型。输入X后得到的不是具体值,而是一系列的概率,我们选取概率最大的作为判决对象。与之相对的,非概率模型的形式是y=f(x)。输入x后得到唯一结果y,并以其作为判决对象。

2.3梅尔频率倒谱系数

由于不同的人有不同的特异性特征,所以先采用预加重技术,即插入一个高通滤波器,从而加强声道部分特征。高通滤波的传递函数如下:

H(Z)=1-αZ-1

因声音在短时间内呈现平稳性,所以之后进行分帧和加窗。同时为了避免丢失信息,相邻帧之间还应存在重叠。

再对分帧加窗后的各帧信号进行FFT变换得到各帧的频谱。并对语音信号的频谱取模平方得到语音信号的功率谱。

最终通过滤波和离散余弦变换得到的Ci即为所需提取的特征参数。

2.4混合高斯模型的建立

建立混合高斯模型,及对样本的概率密度分布进行估计,估计采用的模型是几个高斯模型的加权和,每个高斯模型作为一个类,将样本数据分别投影到几个高斯模型时,就能得到在各个类上的概率。最终选取概率最大的类作为判决结果

上式中,K卫模型个数,πk为第k个高斯模型的权重,p为第k个高斯模型的概率密度。求出p(x)后,求和的各项结果分别代表x属于各个类的概率。

通过上述方法,可以进行训练在资料库中加入新的声音训练得到的gmm模型,还可以通过与已知的gmm模型进行比对从而识别声音种类。

三、Android实现

Android上层的Application和Application Framework都是使用Java编写,底层包括系统和使用众多的LIiraries是C/C++编写的。所以上层Java要调用底层的C/C++函数库必须通过Java的JNI来实现。

在进行JNI操作时,首先,使用eclipse得到一个app文件,此处,eclipse会自动编译此java文件。编译后的文件在bin目录下,通过javah命令生成一个c++的头文件。在根据这个头文件编写c++程序。将windows下运行成功的程序中的函数编译为.so文件作为java编译时的库函数。在进行java编程时,只需要对c++函数进行合理调用即可。

四、实验结果

通过六次迭代后得到gmm模型并添加进数据库,见图1。

得到gmm模型后與数据空内已有模型进行比较,从而选出最接近的声音是已有声音模型中的一个,见图2。

在Android端实现声音识别, 见图3。

四、总结

一个完整的声音识别模块应该有一下几部分组成:前段处理、声音建模、声音数据库、匹配判决。根据以上流程,本文所设计的声音识别程序从过mfcc对声音进行处理,之后建立高斯混合模型,在添加足够的声音种类进入数据库后可以对声音进行识别。通过JNI方式移植到java平台后,使其应用更加广泛。

参 考 文 献

[1] C library for computing Mel Frequency Cepstral Coefficients (MFCC)

[2] Freeman H. On the Encoding of Arbitrary Geometric Configurations. IRE Trans. Electronics and Computers, 1961, 10:260-268

[3] Ballard D H. Generalizing the Hough Transform to Detect Arbitrary Shapes [J]. Pattern Recognition, 1987, 13(81):111-122.

猜你喜欢
目标识别
管道焊缝检测视觉图像处理的研究
基于偏振数字图像的特征提取及处理方法研究
一种BCI与SAR融合的目标检测系统设计
渡口水域安全监管技术研究
渡口水域安全监管技术研究
全自动模拟目标搜救系统的设计与实现
动态场景中的视觉目标识别方法分析
基于PC的视觉解决方案在 Delta机器人抓放中的应用
移动机器人图像目标识别
基于动态模糊积分的决策层融合识别算法