26、复杂声音场景分析方法

复杂声音场景分析方法

1 引言

在声音场景分析中，检测和分类声音事件是一项重要任务。声音事件可能是单声道的（同一时间只有一个事件活跃），也可能是多声道的（多个事件同时活跃）。本文将介绍单声道和多声道声音事件检测与分类的相关方法。

2 单声道事件检测与分类

2.1 单声道事件检测概述

单声道事件检测假设同一时间只有一个事件活跃，虽然在一般声音场景中这一假设不太现实，但在某些稀疏声音场景中大部分时间是成立的，也可用于检测声音场景中的主要事件。

2.2 简单检测方法

• 能量阈值法 ：对于每个音频帧，如果其能量（或功率、幅度）高于阈值，则认为事件活跃。该方法简单高效，常用于资源受限的探测器，如手机语音活动检测或生物声学远程监测。可通过自适应阈值或比较信号不同子带的能量来改进。
• 事件起始点检测 ：许多事件类型（如打击乐声音事件）的起始点表现为能量的突然增加。此方法常用于音乐信号处理，用于节奏分析和自动转录。研究人员已开发出适用于多种声音类型的通用起始点检测器，打击乐起始点通常最容易检测。
• 模板匹配 ：当感兴趣的事件具有高度刻板的时间和频率特征时，模板匹配是一种简单而稳健的检测方法。通常从频谱图中取一个时频“补丁”作为模板，然后测量模板与待分析信号频谱图之间的互相关，互相关函数中的强峰值对应事件检测结果。

2.3 基于机器学习的分类方法

为开发更具选择性的事件检测器，可使用基于机器学习的自动分