目標聲數(shù)據(jù)訓練裝置和目標聲數(shù)據(jù)訓練方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種數(shù)據(jù)訓練裝置和數(shù)據(jù)訓練方法，特別是一種目標聲數(shù)據(jù)訓練裝置 和目標聲數(shù)據(jù)訓練方法，屬于聲信號處理領(lǐng)域。
【背景技術(shù)】
[0002] 在聲學領(lǐng)域，通過拾取目標的聲信號進行分析處理，可以對目標進行識別分類。聲 探測系統(tǒng)的一個關(guān)鍵功能，即是通過對原有已知目標的訓練學習，來學習未知新目標，該能 力可以豐富系統(tǒng)目標聲特性數(shù)據(jù)庫，提高系統(tǒng)性能?，F(xiàn)有探測系統(tǒng)采用了一種目標聲數(shù)據(jù) 訓練識別的軟件技術(shù)來實現(xiàn)該功能，通過對現(xiàn)有已知的若干類型的聲源樣本數(shù)據(jù)進行樣本 訓練來學習訓練出特有的識別分類器，并使用訓練好的識別分類器對各種已知未知樣本進 行初步分類，其中，還可將未知樣本也納入訓練學習的正負樣本庫重新訓練學習，以完善提 高識別分類器的分類準確度。當訓練結(jié)束后會得到相應類型的識別參數(shù)，這些參數(shù)形成了 聲系數(shù)神經(jīng)網(wǎng)絡數(shù)據(jù)庫，可用于某探測系統(tǒng)的目標識別功能中。但是現(xiàn)有技術(shù)的分類器訓 練中采用的方法單一，訓練獲得的分類器不穩(wěn)定，識別率低。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明鑒于現(xiàn)有技術(shù)的上述缺點提出，用以解決現(xiàn)有技術(shù)中分類器訓練中存在的 一個或更多個問題，至少提供一種有益的選擇。
[0004] 本發(fā)明的技術(shù)解決方案是：一種目標聲數(shù)據(jù)訓練裝置，所述目標聲數(shù)據(jù)訓練裝置 包括：
[0005] 樣本獲取模塊，用于獲取訓練樣本；
[0006] 第一特征值提取單元，用于根據(jù)所述訓練樣本利用第一方式獲得第一特征值；
[0007] 第二特征值提取單元，用于根據(jù)所述訓練樣本利用與所述第一方式不同的第二方 式獲得第二特征值；
[0008] 特征值組合單元，用于組合所述第一特征值和所述第二特征值，獲得組合特征值； 以及
[0009] 分類器單元，根據(jù)所述組合特征值訓練獲得分類器。
[0010] 根據(jù)優(yōu)選的實施方式，所述目標聲數(shù)據(jù)訓練裝置還包括第三特征值提取單元，所 述第三特征值提取單元用于根據(jù)所述訓練樣本利用與所述第一方式和所述第二方式不同 的第三方式獲得第三特征值，所述特征值組合單元組合所述第一特征值、所述第二特征值 和所述第三特征值獲得所述組合特征值。
[0011] 根據(jù)優(yōu)選的實施方式，所述目標聲數(shù)據(jù)訓練裝置還包括樣本繁殖單元，所述樣本 繁殖單元用于對所述樣本獲取單元所獲取的訓練樣本中數(shù)量過少的正樣本或負樣本進行 繁殖。
[0012] 根據(jù)優(yōu)選的實施方式，所述第一特征值提取單元對于正訓練樣本利用高斯混合模 型獲得所述第一特征值，對于負訓練樣本利用通用背景模型獲得所述第一特征值。
[0013] 根據(jù)優(yōu)選的實施方式，所述第二特征值提取單元包括：
[0014] 周期圖特征提取單元，用于提取所述訓練樣本的周期圖特征；以及
[0015] 有效特征值提取單元，用于根據(jù)所述周期圖特征獲得有效特征值，作為所述第二 特征值。
[0016] 根據(jù)優(yōu)選的實施方式，所述第二特征值提取單元包括：
[0017] AR譜特征提取單元，用于提取所述訓練樣本的AR譜特征；以及
[0018] 有效特征值提取單元，用于根據(jù)所述AR譜特征獲得有效特征值，作為所述第二特 征值。
[0019] 根據(jù)優(yōu)選的實施方式，當?shù)诙卣髦堤崛卧ˋR譜特征提取單元和有效特 征值提取單元時，所述第三特征值提取單元包括：
[0020] 周期圖特征提取單元，用于提取所述訓練樣本的周期圖特征；以及
[0021] 第二有效特征值提取單元，用于根據(jù)所述周期圖特征獲得有效特征值，作為所述 第三特征值。
[0022] 根據(jù)優(yōu)選的實施方式，所述有效特征值提取單元和所述第二有效特征值提取單元 均采用PCA方法進行有效特征提取。
[0023] 根據(jù)另一實施方式，一種目標聲數(shù)據(jù)訓練裝置，所述目標聲數(shù)據(jù)訓練裝置包括：
[0024] 樣本獲取單元，用于獲取訓練樣本；
[0025] 第一特征值提取單元，用于根據(jù)所述訓練樣本利用第一方式獲得第一特征值；
[0026] 第二特征值提取單元，用于根據(jù)所述訓練樣本利用與所述第一方式不同的第二方 式獲得第二特征值；
[0027] 分類系數(shù)獲取單元，根據(jù)所述第一特征值獲取第一神經(jīng)網(wǎng)絡分類系數(shù)，并根據(jù)所 述第二特征值獲取第二神經(jīng)網(wǎng)絡分類系數(shù)；
[0028] 組合系數(shù)獲取單元，用于組合所述第一神經(jīng)網(wǎng)絡分類系數(shù)和所述第二神經(jīng)網(wǎng)絡分 類系數(shù)，獲得組合分類系數(shù)。
[0029] 分類器單元，用于根據(jù)所述組合分類系數(shù)訓練獲得分類器。
[0030] 根據(jù)又一實施方式，一種目標聲數(shù)據(jù)訓練方法，包括以下步驟：
[0031] 樣本獲取步驟，用于獲取訓練樣本；
[0032] 第一特征向量提取步驟，用于根據(jù)所述訓練樣本利用第一方式獲得第一特征值；
[0033] 第二特征值提取步驟，用于根據(jù)所述訓練樣本利用與所述第一方式不同的第二方 式獲得第二特征值；
[0034] 特征值組合步驟，用于組合所述第一特征值和所述第二特征值，獲得組合特征值； 以及
[0035] 分類器訓練步驟，用于根據(jù)所述組合特征值訓練獲得分類器。
[0036] 本發(fā)明利用不同的方式針對同一聲數(shù)據(jù)訓練樣本獲得不同的特征值，基于這些特 征值對分類器進行訓練，可以增加分類器的穩(wěn)定性，提高分類器的識別正確率。
【附圖說明】
[0037] 圖1示出了依據(jù)本發(fā)明一種實施方式的目標聲數(shù)據(jù)訓練裝置的示意圖；
[0038] 圖2示出了依據(jù)本發(fā)明的另一種實施方式的目標聲數(shù)據(jù)訓練裝置；
[0039] 圖3示出了依據(jù)本發(fā)明的再一種實施方式的目標聲數(shù)據(jù)訓練裝置；
[0040] 圖4示出了依據(jù)本發(fā)明的又一種實施方式的目標聲數(shù)據(jù)訓練裝置；
[0041] 圖5示出了依據(jù)本發(fā)明的一種實施方式的分類器的示意圖；
[0042] 圖6示出了在本發(fā)明第一種實施方式對應的目標聲數(shù)據(jù)訓練裝置基礎(chǔ)上構(gòu)建的 目標聲數(shù)據(jù)識別系統(tǒng)；
[0043] 圖7示出了依據(jù)本發(fā)明第一種實施方式的目標聲數(shù)據(jù)訓練方法；
[0044] 圖8示出了依據(jù)本發(fā)明的又一種實施方式的目標聲數(shù)據(jù)訓練方法。
【具體實施方式】
[0045] 下面結(jié)合附圖對本發(fā)明的【具體實施方式】進行進一步的詳細描述。以下僅為對本發(fā) 明實質(zhì)內(nèi)容的詳細說明，不涉及對本申請及使用的限制，此外，任何前述【背景技術(shù)】、簡述或 以下的詳細描述中的理論、構(gòu)想均不構(gòu)成對本發(fā)明范圍的限制。以下【具體實施方式】本質(zhì)上 僅是示例性的，并不意圖限制本申請以及用途。此外，并不意圖受前述【背景技術(shù)】或者發(fā)明內(nèi) 容或者以下【具體實施方式】中所列的任何理論的限制。
[0046] 如圖1所示，根據(jù)本發(fā)明的一種實施方式，目標聲數(shù)據(jù)訓練裝置包括訓練樣本獲 取單元101，用于獲取訓練樣本；第一特征值提取單元102,用于根據(jù)所述訓練樣本利用第 一方式獲得第一特征值；第二特征值提取單元103,用于根據(jù)所述訓練樣本利用與所述第 一方式不同的第二方式獲得第二特征值；特征值組合單元104,用于組合所述第一特征值 和所述第二特征值，獲得組合特征值；以及分類器單元105,根據(jù)所述組合特征值訓練獲得 分類器。<