کنفرانس مهندسی برق ایران

صفحه اصلی / بیست و نهمین کنفرانس مهندسی برق ایران

طبقه‌بندی محیط صوتی با استفاده از ویژگی‌ ترکیبی مبتنی بر فیلتربانک گابور

نویسندگان :

مسعود گراوانچی زاده¹ سپیده اختری خسروشاهی² سحر ذاکری³

1- دانشگاه تبریز 2- دانشگاه تبریز 3- دانشگاه تبریز

کلمات کلیدی :

شبکه عصبی BiLSTM، ضرایب فرکانسی کپسترال مل، طبقه‌بندی محیط صوتی، فیلتربانک گابور.

چکیده :

صوت‌های محیطی دارای اطلاعات فراوانی هستند که می‌توانند در طیف گسترده‌ای از کاربردهای هوشمند و سیستم‌های نظارتی مورد استفاده قرار گیرند. هدف از طبقه‌بندی محیط صوتی تشخیص یک رخداد صوتی از بین چندین کلاس صوتی از پیش تعریف شده، به منظور شناسایی محیط بکاررفته در ثبت سیگنال است. این حوزۀ پژوهشی کاربردهای متعددی از جمله نظارت مبتنی بر صوت، بازیابی اطلاعات از محتوای چندرسانه‌ایی، مراقبت‌های امنیتی، و غیره دارد. اکثر کارهای انجام‌شده در این زمینه، به ارائه ساختاری مناسب در الگوریتم‌های یادگیری ماشین می‌پردازند، درحالیکه انتخاب ویژگی‌های مناسب نقش مهمی در بهبود نتایج طبقه‌بندی دارد. در این مقاله، یک ویژگی ترکیبی پیشنهادی، مبتنی بر فیلتربانک گابور و ضرایب فرکانسی کپسترال مل جهت طبقه‌بندی محیط صوتی ارائه می‌شود. مقایسه ویژگی پیشنهاد‌شده با دیگر ویژگی‌های متداول، در دو ساختار طبقه‌بندی‌کننده BiLSTM و KNN نشان‌دهنده کارآیی بالای این ویژگی است.