【信号检测】基于 MFCC+GMM安全事件声学检测系统含Matlab源码

1 简介

随着信息化技术和物联网浪潮的快速发展，目前，基于摄像头等手段的公共场所安全监控已经十分普及和完善，大大提升了公共场所发生的突发事件的管控效率。然而，由于摄像头只能采集基于视觉的信息，视频监控不可避免地存在一些先天性缺漏。相对于纯视频手段，声学检测在枪击、爆炸、呼救、人群恐慌等具有语义的事件中，无疑具有更好的检测识别能力，这使得基于声学的公共安全事件检测在反恐、维稳、社会治安等多个领域具有广泛的使用价值和应用前景。本课题重点针对枪击与爆炸两类突发公共安全事件，对相应的声学检测方法进行了研究。

本课题结合室外公共场景下的枪击与爆炸事件声学传播情况、系统设计成本以及检测算法的算力开销等因素，对比了各类传声器在该场景下的选型优劣性，并基于VM2020麦克风、AD7865-1模数转换模块、SRAM拓展IS61LV25616AL、FLASH拓展SST39VF800、TMS320F2812数字信号处理器等设计了信号检测的硬件平台。

本课题针对室外公共场所的道路街道场景，设计了基于Butterworth低通滤波器的滤波去噪算法，和基于短时能量分析与持续时间分析的端点检测算法，实现了大功率前景信号与低功率背景信号的分离。为了对所分离的信号片段用于进一步检测分类，本课题采用Mel倒频谱系数(MFCC)作为特征工程方案，并应用混合高斯模型(GMM)与极大似然估计对疑似信号片段进行检测与分类。最后，本课题还结合TUT Acoustic与Freesound两个声学数据库的60个枪击、爆炸以及道路街道场景样本，通过MATLAB仿真进行了小规模算法验证。

2 部分代码

登录后复制

          
          

           
           for i = 1:6
           
           
%     file_name = strcat('dataset_horn',num2str(i));
           
           
%     file_name = strcat(file_name,'.wav');
           
           
%     fprintf('reading %s...\n',file_name);
           
           
%     [y,fs] = audioread(file_name);   
           
           
%     sz = size(y);
           
           
%     if sz(2) > 1
           
           
%         gun = ((y(:,1)+y(:,2))/2)'; % 多声道，只要一个
           
           
%     elseif sz(1) == 1
           
           
%         gun = (y(:,1))'; % 单声道
           
           
%     end
           
           
    gun = data_gun(1,:);
           
           
    %figure(i);
           
           
    figure(1);
           
           
    p2 = abs(fft(gun)/length(gun));
           
           
    gun_fft = p2(1:length(gun)/2+1);
           
           
    gun_fft(2:end-1) = 2*gun_fft(2:end-1);
           
           
    f = fs*(0:(length(gun)/2))/length(gun);
           
           
    %subplot(1,2,1);plot(gun);xlabel('t / s');
           
           
    %subplot(1,2,2);
           
           
    subplot(3,2,i);plot(gun_fft);title('spectrum');xlabel('frequency / Hz');
           
           
end
          
          

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.

3 仿真结果

4 参考文献

• Mesaros, Annamaria , T. Heittola , and T. Virtanen . "TUT database for acoustic scene classification and sound event detection." Signal Processing Conference IEEE, 2016.

• APimentel, B. A. , & André C.P.L.F. de Carvalho. (0). A meta-learning approach for recommending the number of clusters for clustering algorithms - sciencedirect. Knowledge-Based Systems, 195.

• 张克刚, & 叶湘滨. (2015). 基于短时能量和小波去噪的枪声信号检测方法. 电磁测量与仪表学术发展方向主题研讨会.

• 蒋小为等. 枪声信号分析与预处理[C]// 中国声学学会第十一届青年学术会议会议论文集. 中国声学学会, 2015.

• 吴松林, 杨杰, 林晓东,等. 声定位系统中的弹道波信号分析及弹道矢量计算[J]. 探测与控制学报, 2009, 31(2):54-58.  

• 朱强强. 公共场所下的枪声检测研究[D].

• Chacon-Rodriguez, Alfonso, Julian, Pedro, Castro, & Liliana, et al. (2011). Evaluation of gunshot detection algorithms. IEEE Transactions on Circuits & Systems. Part I: Regular Papers.

• 王俊丰, 贾晓霞, 李志强. 基于K-means算法改进的短文本聚类研究与实现[J]. 信息技术, 2019, v.43;No.337(12):84-88.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。