鲁棒的非特定环境声学事件检测关键技术研究

智能化人性化的人机交互是近年来学术界的研究热点之一。为实现此目标，迫切需要开展机器自动感知周边环境的研究，其中一个主要方面就是环境声音感知的研究。鉴于声音的种类可粗分为语音和非语音，而以语音识别为代表的语音感知研究已较为丰富。因此，本项目重点开展非语音感知，即声学事件检测的研究，以便为智能系统提供更多的环境信息。声学事件检测是一个极具潜力的研究课题，还有许多问题需要解决。考虑到目前已有的检测方法过多依赖于特定环境，因此，本项目的目标是研究与环境无关，即非特定环境的声学事件检测方法。拟解决如下关键问题：适合于声学事件检测的鲁棒特征的选择与提取、非特定环境声学事件的检测方法、与声学事件检测相适应的声音感知系统框架和评价方法。声学事件检测可广泛用于鲁棒语音识别及音频信息检索技术的前端，以及未来智能教室、智能医院等环境中声音信息的智能分析与处理。开展此方面的研究具有重要的理论意义和实用价值。

智能化人性化的人机交互是近年来学术界的研究热点之一。为实现此目标，迫切需要开展机器自动感知周边环境的研究，其中一个主要方面就是环境声音感知的研究。因此，本项目重点开展非语音感知，即声学事件检测的研究，以便为智能系统提供更多的环境信息。声学事件检测是一个极具潜力的研究课题，还有许多问题需要解决。考虑到目前已有的检测方法过多依赖于特定环境，因此，本项目的目标是研究与环境无关，即非特定环境的声学事件检测方法。.在本项目的实施过程中，不仅解决了申请中所提出的关键问题，而且还在具体研究过程中还扩展了相关的研究。在鲁棒特征提取方面：针对具有显著周期性的短时声学事件，提出了基于复指数字典稀疏分解的特征提取方法；针对周期性不显著的短时声学事件，提出了基于学习字典的特征提取方法；针对长时声学事件，提出了基于矩阵低秩约束的特征提取方法。研究表明这些方法都大大提高了不同特性的声学事件特征的鲁棒性。在检测方法方面：针对具有稳定统计分布的短时声学事件，提出了基于HMM修正MAP准则的帧检测方法；针对不具有稳定统计分布的短时声学事件，提出了基于核方法与Chernoff不等式的检测方法；针对具有稳定统计分布的长时声学事件，提出了基于异质混合模型的检测方法；针对不具有稳定统计分布的长时声学事件，提出了基于符号似然比多观测值检测方法；研究表明这些方法都大大提高了检测器的性能。.在本课题执行过程中已发表和录用论文19篇，其中国际刊物论文11篇，国际会议论文8篇。刊物论文被SCI收录9篇，其中包括本领域重要期刊：IEEE Transactions on Audio Speech and Language Processing上发表2篇，IEEE Signal Processing Letters发表1篇，IET Signal Processing发表1篇。EI收录9篇，其中包括本领域的重要会议：ICASSP 4篇，INTERSPEECH 2篇，ICONIP 1篇。同时，申请发明专利3项。研究成果超出了计划合同任务中的指标。上述成果也构成了《音频信息检索理论与技术》一书中的组成部分之一，该书已于2011年3月由科学出版社出版。此外，研究的部分内容也补充进了《语音信号处理（第二版）》，该书已于2013年4月由清华大学出版社出版。