文摘

风暴是一个持续的欧洲研究项目,旨在开发一个集成平台监控、保护和管理文化遗产通过技术和组织创新。计划预防措施的一部分,保护文化遗产是无线传感器网络的发展(还),将用于评估,人为活动的影响以及监测潜在危险环境的现象。收集声音样本将被转发到一个中央服务器,他们将自动分类分层的方式;人为和环境活动将被监控,利益相关者会警觉的情况下潜在的恶意行为或自然现象如过量降雨,火,大风,涨潮,海浪。在此,我们提出一个集成的平台,包括声音样本使用小波去噪,从声音特征提取样本,高斯混合模型的这些特性,和一个强大的两层神经网络进行自动分类。我们对以前的工作通过扩展提出分类平台进行低层次的分类,即:听起来进一步子类进行分类,包括飞机、汽车、人为声音类和手枪的声音;鸟,狗,生物物理声音类和蛇的声音;和消防、瀑布和盖尔的地球物理声音类。分类结果表现出杰出的分类精度在高级和低级分类从而证明该方法的可行性。

1。介绍

欧洲国家展示世界上最富有的文化遗产之一。数以百万计的游客每年吸引具有里程碑意义的文化遗产,欧洲文化遗产的经济和金融的影响被认为是优先考虑的政策制定者也为欧洲人(1- - - - - -4]。因此,欧洲文化遗产的保护是至关重要的,以保护欧洲身份也因为文化遗产可能促进经济影响。唉,遗产都暴露在人为活动(噪音、破坏和污染)和环境现象或自然灾害,可能会损害他们的价值。因此,需要采取预防措施,以减少人为活动和气候变化的负面影响和保护文化遗产文物和网站。

在这种背景下,许多欧洲机构进行了大量的工作在预防策略旨在保护欧盟文化建筑和网站。第一个相关项目之一,“法令del Rischio”(“风险地图”),在意大利在1990年代早期进行和完成一个漫长而复杂的调查territorial-based环境和人为风险为了发展首次风险地图文化遗产在意大利(5]。在下文,更多的国家是意大利,创建了类似的工作。哈尔计划就是一个例子(风险“遗产”),由英国历史组织(6),导致两次调查在1998(前“纪念碑风险调查(火星)1998”)和2008年,帮助建立纪念碑优先重点和管理。“法令de Risco Patrimonio Arquitectonico”产自葡萄牙的Direccao-Geral dos Monumentos Nacionais是一个类似的项目,但专门针对建筑遗迹。埃默里克计划在希腊是一个CRINNO项目的子项目在克里特岛上创新行动,包括一个活动的构造和地震风险评估的主要城市的历史中心克里特岛(7]。最后,PROHITECH项目调查一系列可用的和新技术对历史建筑的保护与地震和其他威胁在地中海和巴尔干地区(8]。

我们的工作是一个更大的项目的一部分(“风暴”),目标是开发一个完整的平台技术和管理文化遗产资源的保护(4]。风暴将建立在以前的工作,把遗留传感器系统升级和新型传感技术,像无线声传感器网络(还),为了提供一个小说框架的决定多么脆弱结构受到风险的影响,气候条件和人为活动。保护机制的一部分是没有平台的实现将不断监控和存储声音样本来自声学节点的环境。收集到的样本可能对应于环境听起来关于自然现象和人类活动。WASN-captured数据将被传输到中央服务器来填充声音映射和创建一个数据库与历史发生的事件,因此惊人的利益相关者的情况下潜在的恶意或有害事件。在此,我们指定高层声音分类分类的一个声音样本三个类,即人为,生物物理(人类),地球物理声音类(9,10]。我们进一步对以前的工作通过扩展提出分类平台执行低级分类,也就是说,听起来进一步子类进行分类,包括飞机、汽车、人为声音类和手枪的声音;鸟,狗,生物物理声音类和蛇的声音;和消防、瀑布和盖尔的地球物理声音类。我们分析两种不同的方法对二级分类。第一个方法是直接将每一个声音样本一个可用的九类。另一种方法是首先每个声音样本在高级别进行分类,然后在更小的组可用的类执行分类根据高级分类结果。我们报告的结果表明后一种方法更好地执行。此外,我们提供了一个完整的平台,包括声音样本使用小波去噪,从声音样本,特征提取和高斯混合模型的这些特性,以及提出了两层神经网络分类器的自动分类的声音样本。数值结果表现出令人满意的分类精度在高级和低级的分类水平,从而证明该方法的可行性。

剩下的纸是组织如下:首先,一个简短的文献回顾最近的声音分类方法在部分2,提供一个理由跟着以下的分类方法。提出分类平台中所描述的部分3连同必要的定义采用信号处理工具。并给出了仿真结果4,总结了结论部分5。

2。合理的分类方法

在文献中,声音分类执行使用精心挑选的声音特性,像一个神经网络的分类器工具。声音特性的选择直接影响的性能分类过程和记录是一个要求很高的任务,因为声音是典型的非平稳信号时还有一个叠加背景“噪音”,源于自然环境的声音。此外,声音事件重叠在空间、时间和信号来自邻近的传感器通常是高度相关(11]。各种声音的特性提出了在文献中以执行环境健康监测。这些特性可以是相关信号的时域表示,例如,讨论二阶导数过零率(ZCR),线性预测系数(LPC),音频信号的能量函数,和体积,或频域表示,例如,音高,带宽,基频,光谱峰值跟踪,亮度,mel-frequency cepstral系数(MFCC)和傅里叶变换系数。也有许多统计功能,如方差,偏态、峰态,值,平均值,以及各种复杂措施(熵、信息)的信号(12- - - - - -17]。文献中使用的其他光谱特性包括4赫兹调制能量,比例的低帧,频谱质心,光谱碾轧,光谱频率、平均频率和高和低能量的斜坡18- - - - - -21]。此外,自动识别是必要的为了监测大面积感兴趣的同时保持运营成本低。直截了当地,研究人员开始通过部署一个无线麦克风传感器网络(也)在大面积捕获和传输环境声音样本数据到一个中央服务器。这些样本划分为若干个框架和正在处理以确定声源创造了他们(11,17,22]。多数情况下,soundmaps为了创建可视化大面积的音频内容,例如[23]。

虽然在音频分类光谱特性是有用的,他们不提供任何信息的演化的信号。因此,光谱特性并不足以代表环境在本质上是高度不稳定的音频信号。介绍了时频(TF)功能为了捕捉的光谱信号的时间变化。TF对揭示特性是有效的非平稳信号等方面的趋势,不连续,重复模式。通常的方法是为每个帧提取光谱特性,允许一定比例的相邻帧之间的重叠,产生的一个著名的TF表达谱图,量图,或不同的陈述属于科恩的类。然而,这种方法导致巨大的功能空间。不同的解决方案,提出了减少结果数据。例如,谱通量,定义为两个相邻帧之间的平均变化值谱,可以使用。一个有效的解决方案是使用高斯混合模型(gmm)估计光谱特征的概率分布函数对所有帧。另一方面,Ghoraani和Krishnan提议建立一个所谓的音频信号的时频矩阵(TFM)利用匹配追踪时频分布技术(18]。朱等人也用匹配的追求但伽柏原子信号表示为了获得有效的TF特性(13]。我们认为最后两种方法征收高昂处理成本(在嵌入式级别)为我们的分布式传感器节点并提出替换匹配的追求和时频特征概率分布拟合的暂时变化频率特性(本质上1 d GMM,因为它将在以下部分详细解释)。经过仔细考虑和概述可用的文学,我们选择使用我们的平台上呈现出以下特点:讨论二阶导数过零率,音高,带宽,MFCCs,谱图系数,和各种各样的统计特性,即不同的复杂性措施(香农,Tsallis、小波和排列熵)。为了捕获光谱特征的时空变化,我们计算了GMM的其中之一。我们的目标选择的功能是保持高水平的性能和鲁棒性以及易于实现和低复杂度的水平。数值结果给出部分4这项工作证明这种方法。

声音分类任务是基于假设每个声源展览一个特定的模式分配能量的频率和时间。成功的声音分类器应该能够分类属于非凸的声音特征空间的类。声音分类大致属于两个品种:区别的和nondiscriminative。前者的例子包括分类器,则多项式分类器,多层感知器(神经网络)和支持向量机;这样分类器试图指定边界在训练数据输入和匹配其测试数据输入到一个特定的类。另一方面,nondiscriminative分类器的隐马尔可夫模型(HMM)试图模型训练数据的潜在分布(15,24,25]。提出分类平台的暴风雨的项目中,我们选择使用一个通用的区别的分类器,也就是说,一个神经网络(NN),因为NNs是众所周知的分类器被广泛用于信号和音频分类的目的。尽管安培训需求较高的处理能力,我们假设这是由中央处理服务器可用时采用GMM模型在传感器节点级别继续传输数据量,从传感器节点到服务器,降到最低。

只要声音被识别的具体类而言,可用的文学是专门面向声音分类为环境监测的目的。例如,通常我们识别一个特定的鸟类不感兴趣或亚种而是识别鸟类是否出现在一个特定的区域。的第一层的识别层次结构在于识别一般的声音类型,例如,是否源于人类(人为)或动物(biogenerated其他比人类)活动或是否它是一个环境自然声音(例如,瀑布和火)。这个分类在各自的文献[很受欢迎26- - - - - -28]。的第二层次的识别层次结构在于进一步识别每个声音类型更集中声音的起源;例如,动物活动是否实际上是一只鸟,一条蛇,或者,说,一只狗。更深层次的识别层次结构也可以被定义为每个层次的下一步一个更窄的定义类和更具体的声音。在这种情况下,第一种方法可以直接检测到二级类。然而,我们建议使用一个两步的方法,首先大致分为人为的声音,动物,或自然环境,然后进一步分类更详细的方式。数值结果(见部分4)表明,这一方法提供更高性能相比直接二级分类(一步法)声音。

最后,值得注意的是,小波分析也被用于环境监测为音频信号分析或信号去噪25];在此,我们选择了在必要时采用小波对信号去噪。

在下面几节中,我们讨论拟议中的声音分类平台的方法和现在的数值结果,证明其适用性高实现性能和健壮的声音分类结果。

3所示。分类平台概述

提出分类平台的概述和讨论其主要组件及其互连,包含在下面的部分。

3.1。一般表示建议的平台

该平台的功能流程图描述了在图所示1。每次一个声音信号是美联储的平台,有一个决定是否信号通过小波分析去噪为准(分解和重建)。之后,选择的信号特性计算的重建或原始信号。功能列表包括讨论二阶导数过零率,,带宽,MFCCs,谱图系数,和各种复杂的措施包括香农,Tsallis,小波和排列熵。讨论二阶导数过零率,音高,带宽,熵是标量特征,因此在分类非常高效的计算成本。相反,MFCCs和声谱图系数是特遣部队,因此多维特性。更具体地说,信号样本划分为帧和MFCCs声谱图系数计算为每个特定的框架。于是,如果我们雇佣MFCCs 13和16个谱图系数(文学)的受欢迎的选择对于每一帧,并分成2048帧信号(也不是不常见的情况),那么我们需要2048向量的每个(即29维度。,59392个元素);这是一个巨大的数量的元素作为分类器的输入。所采用的方法来解决这一问题是执行统计的光谱特性和高斯概率分布函数(pdf)完全以只有他们的平均值和标准偏差值; this results to a dramatic reduction of the feature space dimensionality.

然后,决定是否声音分类是实现为一个两步或一步过程。在前者情况下,声音是第一个分类广泛声音类别或高级层次结构(人为、环境自然声音或animal-originated声音),然后进一步分类更具体的类。在后一种情况下,声音直接分类更具体的类的一个单步过程。特别是,本文提供的计算结果,我们使用下面的声音样本子类:(i)人为:飞机,汽车,样品和手枪的声音;(2)周围的自然声音:样品的瀑布,盖尔和火的声音;和(iii) animal-originated声音:样本的乌鸦,犬吠,和蛇卡嗒卡嗒的声音。

作为神经网络实现的一个例子,考虑高层的分类情况。计算所有功能都喂一个正确配置的神经网络,如图2。我们只考虑前馈人工神经网络(范氏)训练函数误差反向传播的一个变种。网络的输入层用于数据输入和权重。权重,乘以每个数据条目都受到网络的训练之前进行离线和分类。加权输入特性然后转发到一个中间层神经元。中间层的调优的节点数量一倍半的实证经验方法价值输入层节点的数目。这些神经元总结所有的加权特征,从本质上讲,所有可能的配置凸类在特征空间的数据。然后转发到中间层的输出三个输出神经元。这些神经元在输出层本质上是结合凸类为了配置凸类对输入数据进行分类。每个输出是一个值的“+ 1”或“−1”对应于“true”或“false”状态,分别。

值得注意的是,2 nd-level分类是实现一个简单的方式类似于图中描述的过程2。更具体地说,在第二步中有三个海军新闻,即“人为听起来NN,”的“动物声音NN”和“地球物理声音NN”;每个人都被激活时,才各自的神经网络的输出,如图2是真,是由相同的输入神经网络的图2。人为的声音输出神经网络有三个类,也就是说,飞机,汽车,和手枪;动物声音NN的鸟类、狗和蛇输出类;最后,地球物理声音神经网络有大风,下雨,瀑布输出类。这种方式,在一般类的第一步是在第二步的具体子类指定输入声音识别。另一方面,只要一步第二级分类被认为是,只有一个神经网络输入和中间一层类似的人物2;然而,在特定的情况下,有九个输出节点(即。,nodes for each one of the subclasses of airplanes, cars, pistols, birds, dogs, snakes, gale, rain, and waterfall) and classification to subclasses is performed by one NN only. Both these cases are not presented using a figure for the sake of brevity.

最后,postclassification性能结果导出来评估我们的方法的适用性。上面提到的每个特性的组合,我们实现了一百NNs为了捕获节点权重赋值的统计行为在培训。对于每一个声音样本和网络实现,我们商店混淆矩阵和正确分类的百分比。网络的性能从而评估独立(总正确分类)的性能指标以及依赖(比例的正确分类,因为一个特定的声音类型加载)随机变量的结果。

3.2。定义的功能

3.2.1之上。讨论二阶导数过零率

离散时间信号的零交点据说发生如果连续样本有不同的标志14]。讨论二阶导数过零率(ZCR)被定义为 在哪里是离散时间指数时段的总数,信号值时间指数吗 ,和的符号函数吗

3.2.2。球场

球场是一个知觉特性取决于基本频率的音频信号的音频波形。音高信息可以通过使用时间或频率分析提取。时序分析方法是基于自相关函数的计算或平均幅度差函数,而与频率分析方法确定了沥青的周期性结构级谱的傅里叶变换的音频帧。给出一个信号的自相关函数 在哪里是转变。一个简单的方法来计算音高估计最大化(例如, );球场将等于 在哪里每个时间段的长度。

3.2.3。光谱图系数

一个离散时间信号的谱图系数本质上是信号的离散傅里叶变换的组件;给出了这样一个信号的频谱 在哪里信号的离散傅里叶变换 。光谱图是声谱图系数随时间的演变,是一个特遣部队的特征信号。

3.2.4。MFCCs

Mel-frequency cepstral系数(MFCCs)是非常受欢迎的演讲/扬声器特征提取和目标代表了人耳的听觉属性通过一个非线性频率规模(即。“mel-frequency”梅尔单位与传统频率即以赫兹)更具体地说,人耳的输出(即。、输出到人类大脑的听觉处理细胞)是激发信号的卷积(即。声道,声音在调查中)和过滤器。梅尔·变换本质上改变了声音信号的谱系数mel-frequency域;然后,cepstral系数(与光谱系数)mel-frequency信号的计算组件。

梅尔·转换是由的一个例子 虽然cepstral函数计算公式的一个例子是由(cepstral函数是真正的倒频谱与谱函数即真正的光谱信号) 在哪里是逆离散时间傅里叶变换频谱大小;年代(M)是离散时间信号的倒频谱幅度(例如,in the mel-frequency domain).

MFCCs,比如光谱图系数,计算为每个特定的框架,及其随着时间的推移,在本质上是一个进化TF特性。

3.2.5。复杂的措施

有各种各样的信号复杂性度量,包括不同种类的熵的/信息的措施。我们专注于不同的熵,最近调查的“钝性”特定的信号压缩方案。因为它最近被证明(17),特定的/信息的精度指标仍相当不变,某些压缩方案,这些指标的获得的数值当应用到一个压缩的信号非常接近时获得相应的未加工的形式应用于特定的信号。在本文中,我们使用香农,Tsallis,小波,和排列熵的基本公式,提出了在下面。

让 一个离散的测量变量, , ,采样周期。一个可以定义一组分离但相邻间隔(箱)生成的时间序列值的观察范围 ,表示为 。我们也 是一个有限的离散型概率分布, 用于描述时间序列样本的概率属于每一个垃圾箱;一个样本的概率属于时间序列本可以表示为 。的信息内容规范化的概率分布由香农信息给出测量(29日] 在哪里是一个积极的常数(它仅仅相当于一个选择的度量单位;然而,它通常是设置等于1)。选择对数基本对应于一个单元的选择测量信息(29日]。转发了香农的测量信息,选择,和不确定性。香农熵的减少是由于增加信息内容和顺序,等价于降低复杂性。夏侬熵被认为是一个基本的工具的描述信息,行为,和复杂性的身体、社会、经济、技术、等,系统及其可见,比如时间序列的可测量的特征量。

另一个时间序列的统计表示结果的概率分析。在这种方法中,而不是分析的时间序列的发生概率振幅值,在香农熵的情况下,时间序列分析的能量的分布频率或尺度。Shannon-like总小波熵、小波能量熵,定义在这个背景下,30.] 在哪里 表达的概率分布在不同尺度上的小波能量谱信号的结果后的应用连续小波变换(CWT);它认为, 和分布可以被视为一种时间尺度密度(30.]。注意,能量分辨率是 ,而总能量 ,信号被认为是扩大 ,在那里 是解决的数量水平,相应的八度音阶(30.]。像其他熵、小波熵减少由于复杂性降低,订单增加。

可见的符号动力学是指映射一个复杂的系统(时间序列)的实际价值的符号序列试图访问有用的信息([31日)和引用)。符号动力学的上下文中的分析探讨了这些符号出现的概率,而不是外表的实际值的概率的原始时间序列,从而提供一种不同的统计表示的系统分析。最近,一种新形式的符号映射,提出了一个相应的复杂性度量的形式排列熵(PE) (32]。根据这种方法,首先嵌入到一个时间序列维空间通过构建向量 ,每一个都包含值的原始时间序列,每两个相邻向量元素有一个等于时间距离在原始的时间序列。每一个向量 ,它的真正的值将被安排在一个增加订单。这样,每个向量独特映射到一个新的向量 ,在那里是其中之一可能的排列向量的指标的元素 。如果每一个排列是一个象征,那么程序允许原始连续时间序列的映射一个符号序列(33]。每个可能的排列出现的相对频率在排序过程中获得的时间序列,所有的向量 ,表示为(34] 而体育是根据香农熵的方式定义的 总和所有运行在哪里排列的顺序(33]。体育是一种测量时间序列的规律。当时间序列很不规则可能的排列都显示出相同的概率 (完全随机的),然后达到了最大值 。另一方面,增加规律,也就是说,降低复杂性,减少。为了方便起见,我们通常采用归一化排列熵,正常化通过处理中的熵值区间 。

远程或远程内存空间交互作用可能观察到在一个巨大的各种各样的复杂系统影响他们的行为。类系统的一个非常有趣的课是由那些nonextensive统计的特征。这些系统有着非常微妙的财产:他们的主要假设违反波尔兹曼吉布斯(B-G)统计,遍历性。受多重分形的概念,Tsallis [35,36)提出了一个综合的统计力学B-G覆盖系统违反遍历性,也就是说,系统的微观配置不能被认为是(几乎)独立。这个推广基于非相加熵, ,以一个索引导致nonextensive统计(36)如 在哪里相关的概率值垃圾箱吗 ,就像之前定义的香农熵的情况下,是他们的总数,是一个实数,是玻尔兹曼常数。的价值是一个衡量nonextensivity的系统。注意,在极限 nonextensive统计收敛标准,广泛,B-G统计(35]。注意,参数本身并不是一个衡量的复杂性系统,但系统的措施nonextensivity的程度。的价值代表远程相关性的强度控制系统的动力学(37]。的情况下 和 分别对应于subextensivity或superextensivity。另一方面,Tsallis熵的变化的时候, ,对于一个给定的量化的复杂性系统的动态变化。较低的值较低的信号特征的复杂性。

3.3。小波去噪

去噪处理是指噪声信号旨在减少不必要的噪音减少,这是尽可能高,同时有用信号扭曲尽可能少。减少噪声污染的信号的一种方法是将噪声信号分解成一系列分解水平使用离散小波变换(DWT)和一个适当的正交小波基(38]然后重建它只使用的组件相关联的有用信号。这是可能的,这些组件(硬或软)阈值,减少噪声(相对应的系数39]。

进行分解和重构过程使用Mallat的快速算法38]。根据该算法,一个层次的多分辨率分析信号是由使用一组连续低收入和高通滤波器后面跟着大批杀害;这些过滤器的输出通常称为近似系数和细节系数,分别。每一层分解,低通滤波器的输出之前的分解级别(或第一级的原始信号)喂养一双新低收入和高通滤波器,它的频带是前面的一半的水平。因此,每个滤波器的输出可以摧毁(downsampled)的2倍。使用这种分级方法的结果在一个很好的时间分辨率高频率(低尺度)和良好的频率分辨率较低频率(高尺度)。

3.4。GMM的定义

混合模型是用于统计为了表示数据的存在亚种群在整个人口而不需要明确地识别这样的亚种群。我们使用高斯混合模型为了统计适合MFCC和声谱图系数随时间演变为一个PDF。高斯混合模型(GMM)本质上规定的经验pdf这些系数是高斯的加权和pdf文档不同的平均值和标准偏差。在该平台中,用户选择高斯pdf文件配置GMM的数量,和期望最大化算法以计算参数。

定义了GMM的PDF 在哪里是高斯参与GMM的pdf文档的总数,的重量吗高斯PDF, 是一个高斯PDF的意思和标准偏差 。

值得注意的是,经过多次实验数据的统计适合GMM,我们决定放弃GMM,取而代之的是一个简单的高斯适合自后者执行相对前者对分类计算量要少得多。

4所示。数值结果

在本节中,我们目前的数值结果的性能提出了几个分类平台测试配置。我们首先检查基础一级分类和评估性能的声音特性,以关注其中最高效和健壮。然后,我们目前的结果第二级分类和比较一步法和两步实现。

文中给出的数值结果,我们使用前馈人工神经网络与一个中间隐层。神经网络训练和性能指标函数是一个按比例缩小的共轭反向传播变体和均方误差函数,分别,而输出阈值函数是一个s形的函数。中间隐藏层神经元有不同大小的数量根据特征用于分类。的情况下只使用标量特征,特征的数量是12和隐藏节点的数量是18日在MFCCs和声谱图系数的情况下,这两个数字26的价值功能,一方面和64年42节点特性和在另一方面,85个节点。此外,组合的特性也被使用。标量的特性和MFCC组合,有38特性和40节点;标量的特性和光谱图系数,有76的特性和75节点;MFCCs和声谱图系数组合,有90的特性和65节点;最后,对标量特征+ MFCCs +光谱图系数组合,140年有102的特性和节点。值得注意的是,隐层节点的数目进行优化后的详尽的一系列试验不同数量的隐藏节点。

4.1。神经网络性能与选定特性输入:一级分类

数值结果使用三个不同的类,即人为,地球物理,和动物的声音,在本节介绍。这些类是填充的三种不同的子类。更具体地说,我们使用飞机,汽车,人为类和手枪的声音;盖尔,瀑布,和火听起来为地球物理类;和狗,蛇,和乌鸦的声音的动物的声音。对于每一个子类,我们使用大量的15个不同样本记录的特定的声音类型从“505”数字音效中提取音频数据库(40]。

从列表中可用的特性,存在一组特性(讨论二阶导数过零率、音高和熵)标量和计算光。因此,我们这些特性分组”的标签下标量特征。”另一方面,只要MFCCs而言,我们选择使用一组13时变MFCCs每个声音样本和一个简单的GMM模型为每个其中之一;这个结果一组26个标量特征输入,喂了安(13 MFCCs;一个说,一个标准偏差参数为每个其中之一,于是26标量参数)。同样,我们使用13谱图系数与简单的GMM模型产生的另一个26标量特征输入。于是,分区提出功能三个子集(ZCR-pitch-entropies / MFCCs GMM模型/光谱图与GMM模型系数)和比较它们的性能。结果对于正确分类的平均和标准偏差列在下表中1。如果只使用标量特性,实现精度是98%;这个数字是令人满意地高,直接可比(高)各自的数据使用标量特性结合MFCCs,谱图,或两者兼而有之(见表1)。同时,相应的标准差的准确率是8.69%,这是最小的表1。

此外,混淆矩阵是一个信息丰富和简明的方式来展示一个分类技术的性能。混淆矩阵证明的性能分类平台通过说明正确的和不正确的所有输入样本的分类结果同时也说明后者的本质,描述的类型不正确的分类。表2描绘了一个混淆矩阵,演示了该平台的性能只使用标量功能;它表明,总体分类精度与少量的特殊分类错误产生主要来自误分类人为地球物理类声音样本。

4.2。第二级分类的声音变成具体的子类:一步法和两步实现

在本节中,我们证明该平台的性能要求更高的二级分类问题,分类,听起来更具体的子类。表3表的性能一步第二级分类精度通过该平台的各种组合上述特性。一步第二级分类意味着一个声音样本的分类到特定的子类是由神经网络直接执行的,也就是说,网络9输出,直接用信号特性。性能指标包括平均正确分类和相应的标准差。

另一方面,两步第二级分类意味着分类到特定子类执行两个步骤。首先,一个良好的分类使用3-output泛型类神经网络,显示在图2。然后,根据一级分类的结果,声音是美联储的三个后续优化神经网络每个分类的声音不是人为,动物,或自然的起源。每个二级网络的准确性对应正确的二级分类的百分比鉴于一级分类是正确的。这些结果列在下表中4。有趣的是指出两个表3和4确认一个平衡的特性选择合理良好的分类精度和降低复杂性只使用标量特性或使用结合MFCCs标量特征。另一个有趣的结果是,第二级分类两个步骤展览比一步实现更高的分类精度。

图3演示了分类精度的比较结果第二层级使用一步或两步的实现。有趣的是指出,在后一种情况下实现精度远远高于前者,对所有类型的特性,使用(标量、MFCCs声谱图系数,和它们之间的组合)。此外,在两步实现结果的标准偏差情况相比低得多一步的实现情况;这意味着两步实现更健壮的实现精度相比,一步实现。

4.3。混淆矩阵的第一和第二级分类与选择功能

从标量特性最计算有效产量令人满意地准确的结果,我们只考虑的情况下使用标量特征以结合低计算成本和足够的精度。使用标量特性的计算有效性只是指出的事实(i)标量特性容易计算提出的所有功能和(2)得到的神经网络与最小数量的特性,因此美联储展品隐层节点的最小数量。我们还考虑的情况下标量特征结合MFCCs(此处不是),因为后者的特点选择使用最广泛的文学;然而,数值结果表明,仅使用标量特征计算更轻和产量结果相媲美MFCCs或两者的结合。

混淆矩阵包含在表5- - - - - -8,说明该平台的性能只使用标量特征。网络运行在这些表与表相对应的不同的部分3.1和3.2。表5说明了混淆矩阵在二级分类的情况下在一个步骤中,也就是说,一个神经网络只有9输出。表中的误差来源清楚地显示不同的子类。很明显,一步分类错误的主要来源是由于声音错误地分类为飞机。

表6- - - - - -8说明在两步实现二级分类的结果。例如,表6显示了混合矩阵的人为的声音。假设一个人为的声音已经被正确分类作为第一步,这样的表6只展示了第二步的结果。这意味着为了计算二级分类的总体精度与两步实现,我们需要把任何给定的概率的概率,一个人为的声音是正确分类的第一步。后者概率可以找到正确的数量除以分类人为声音样本总数的人为声音样本。这些数字等于4408年和4500年分别(3行3列的表2)。类似的计算也包含在表7和8。

表6表明错误的主要来源的情况下人为声音和两步实现飞机类的分类不同的声音。这个结果同意结果列在下表中5。此外,表7表明类似的趋势存在的动物声音但对于狗的声音。然而,表8说明了火和瀑布的声音都更容易分类错误而大风的声音。最后,比较表6- - - - - -8表5验证两步实现更准确比一步第二级分类。

5。结论

风暴是一个正在进行的项目旨在开发一个平台维护整个欧洲文化遗产。项目目标的一部分是部署无线传感器网络在不同的欧洲历史和考古遗址(戴克里先洗澡在罗马,意大利;Mellor遗产在曼彻斯特,英国;在葡萄牙和罗马的废墟Troia)将用于监测和报警的网站利益相关者对于潜在的危险事件。在这种背景下,提出声音分类平台是实现这一目标的第一步。文献回顾显示许多流行的声音特征选择方法与去噪技术和分类方法。在本文中,我们提出了一个集成的分类的发展平台和评价其性能,同时提出了分类器被扩展为包含分类声音的功能在一个两层的层次结构。一级分类,或分类的声音像人为泛型类,动物,地球物理,有时是至关重要的;该平台可以提供高度精确的结果。也已经表明,拟议中的标量特征是简单和计算光,然而非常准确。 As long as second-level classification is concerned, we showed that two-step classification may be more efficient compared to one-step implementation; in the presented numerical results, the achieved accuracy of the former was much higher compared to the latter. Furthermore, a confusion matrix analysis revealed that the main sources of errors are due to anthropogenic sounds mistakenly classified as geophysical sounds (first-level classification) or due to anthropogenic sounds mistakenly classified as airplanes (second-level classification). There is also a significant source of errors in second-level classification with other animal sounds mistakenly classified as dog sounds. In the future, we plan to apply the proposed classification approach in sound samples with varying signal-to-ratio values, as well as study the effect of noise on each sound feature separately and integrate our findings in the STORM platform at sensor and server level.

的利益冲突

作者宣称没有利益冲突。

确认

这部分工作是由欧盟和国家基金资助下研究项目“风暴(维护文化遗产通过技术和组织资源管理)”资助协议。700191年,得到欧盟的地平线2020计划。