27、复杂声音场景分析方法解析

复杂声音场景分析方法解析

1. 后处理

许多事件检测方法会逐帧输出事件的存在与否信息。不过，在多数应用中，期望的输出是连贯事件对象的记录，包含事件的起始时间、结束时间、标签，可能还有置信度。

常见的后处理方法如下：
- 阈值处理 ：多数基于帧的事件检测系统会生成事件存在的非二进制表示，常见做法是对其进行简单的阈值处理。部分研究还会在阈值处理前使用中值滤波对后验图输出进行后处理，或在阈值处理后应用最小持续时间修剪，去除持续时间短的声音事件，也有使用与事件相关持续时间的移动平均滤波器的情况。
- 基于HMM的后处理 ：
- 单声道事件检测 ：通常应用带维特比解码的HMM，每个状态对应一个声音事件类，维特比解码从概率后验中恢复明确的离散最大似然开/关序列。
- 多声道声音事件检测 ：使用多个受限维特比传递，传递次数取决于声学材料的预期复音数。
- 其他方法 ：有研究在使用随机森林的事件检测系统中，通过起始和偏移位移的后验概率计算起始和偏移位置的置信度。在自动音乐转录领域，也有对多个并发声音事件进行跟踪的相关研究，如使用类独立的2状态开/关HMM对输出后验图进行二值化。

后处理方法	适用场景	具体操作
阈值处理	多数基于