Acoustic研究（二）

今天看了下面这篇paper，现将相关知识点总结如下，以备不时只需查看。

其实声音一个很普通的名词，但是在我们的科学研究中，它包含了丰富的信息，我们可以使用声音做很多的事情，比如我们可以使用声音来识别人体的活动，位置的定位，谈话识别等，可见声音是一个包含丰富信息的一个东东，下面这个文章用声音做了啥呢？

SoundSense: Scalable Sound Sensing for People-Centric Applications on Mobile Phones

这篇文章主要讲：在手机以人为中心的可扩展升级的一个声音感知系统。主要是利用microphone来接收声音，并做一些处理，能为不同的应用提供需要。

文章主要通过接收声音，来做出一些感知，但是我们现实生活中的声音到处都能产生，我们不可能把所有的声音都收集来处理，再说也完全没有必要，以前的针对这样的尖锐的问题，一般都是限制操作的范围，也就是说，只是在一些环境下，系统才work，本文怎么处理的呢？作者说voice和music是我们日常比较常见的声音，而且也是特别容易学习的声音，所以作者采用了监督学习的方法，针对其他由于每个人产生的声音，作者采用了自适应非监督学习的算法，文章作者主要收集我们生活中有意义的声音来处理和分类。那问题来了，什么样的声音是比较有意义的呢？作者是这样做的，首先当系统收集到一个新的声音事件的时候，作者首先给用户一个反馈，用户根据这个声音是不是他care的声音，如果是那么就算一个比较有意义的声音，那么就会继续接下来的处理流程。

1、首先对收集到数据进行分帧，n个frame组成了一个window，我们提前特征来进行分类，主要就是从一个frame或者一个Window中提取，我们知道，一段语音信号肯定会有很多的frame，但是不可能每个frame都用来处理提取feature，因为有的frame是不包含有用的信号的，只是选取包含信号的frame来提取feature，文章主要使用频谱熵和能量测量来过滤掉一些 比如安静或者很难来处理的一些帧。

2、根据上一步提取的feature，然后先进行一个粗分类，主要分为三类（voice，music，ambient sound）如果有的应用只需要粗分类，那么到了这一步，我们就可以把这个提供了，也就是大功告成，但是往往我们需要更细粒度的事件，所以还要继续往下处理。

3、接下来能更加细粒度的分析，由于上一步粗粒度分析后，比如voice类里面，我们可以进一步分析是男还是女，music类里，我们可以进一步分析music的题材等。