Matlab-基于短时神经网络的声音分类

这个例子展示了如何使用深度学习过程对声音进行分类。

1、数据集生成

生成1000个白噪声信号、1000个棕色噪声信号和1000个粉色噪声信号。假设采样率为44.1 kHz，每个信号表示0.5秒的持续时间。

fs = 44.1e3;
duration = 0.5;
N = duration*fs;

wNoise = 2*rand([N,1000]) - 1;
wLabels = repelem(categorical("white"),1000,1);

bNoise = filter(1,[1,-0.999],wNoise);
bNoise = bNoise./max(abs(bNoise),[],'all');
bLabels = repelem(categorical("brown"),1000,1);

pNoise = pinknoise([N,1000]);
pLabels = repelem(categorical("pink"),1000,1);

复制

2、数据可视化

听声音信号，并使用melSpectrogram函数将其可视化。

sound(wNoise(:,1),fs)
melSpectrogram(wNoise(:,1),fs)
title('White Noise')

复制

sound(bNoise(:,1),fs)
melSpectrogram(bNoise(:,1),fs)
title('Brown Noise')

复制

sound(pNoise(:,1),fs)
melSpectrogram(pNoise(:,1),fs)
title('Pink Noise')

复制

3、将数据集分为训练集和验证集

创建一个由800个白噪声信号、800个棕色噪声信号和800个粉色噪声信号组成的训练集。

audioTrain = [wNoise(:,1:800),bNoise(:,1:800),pNoise(:,1:800)];
labelsTrain = [wLabels(1:800);bLabels(1:800);pLabels(1:800)];

复制

使用剩余的200个白噪声信号、200个棕色噪声信号和200个粉色噪声信号创建验证集。

audioValidation = [wNoise(:,801:end),bNoise(:,801:end),pNoise(:,801:end)];
labelsValidation = [wLabels(801:end);bLabels(801:end);pLabels(801:end)];

复制

4、信号提取

音频数据是高维的，通常包含冗余信息。通过首先提取特征，然后使用提取的特征训练模型，可以降低维数。创建audioFeatureExtractor对象以提取mel光谱随时间变化的质心和斜率。

aFE = audioFeatureExtractor("SampleRate",fs, ...
    "SpectralDescriptorInput","melSpectrum", ...
    "spectralCentroid",true, ...
    "spectralSlope",true);

复制

调用extract从音频训练数据中提取特征。

featuresTrain = extract(aFE,audioTrain);
[numHopsPerSequence,numFeatures,numSignals] = size(featuresTrain)

复制

5、数据准备

在下一步中，您将把提取的特征视为序列，并使用sequenceInputLayer作为深度学习模型的第一层。当使用SequenceInputLayers作为网络中的第一层时，trainNetwork希望将训练和验证数据格式化为序列的单元数组，其中每个序列随时间由特征向量组成。sequenceInputLayer要求时间维度沿第二维度。

featuresTrain = permute(featuresTrain,[2,1,3]);
featuresTrain = squeeze(num2cell(featuresTrain,[1,2]));

numSignals = numel(featuresTrain)
numSignals = 2400

[numFeatures,numHopsPerSequence] = size(featuresTrain{1})
numFeatures = 2

numHopsPerSequence = 42

复制

提取特征

featuresValidation = extract(aFE,audioValidation);
featuresValidation = permute(featuresValidation,[2,1,3]);
featuresValidation = squeeze(num2cell(featuresValidation,[1,2]));

复制

6、定义和训练网络

定义网络架构。

layers = [ ...
    sequenceInputLayer(numFeatures)
    lstmLayer(50,"OutputMode","last")
    fullyConnectedLayer(numel(unique(labelsTrain)))
    softmaxLayer
    classificationLayer];

复制

要定义train选项，请使用option选项（深度学习工具箱）。

options = trainingOptions("adam", ...
    "Shuffle","every-epoch", ...
    "ValidationData",{featuresValidation,labelsValidation}, ...
    "Plots","training-progress", ...
    "Verbose",false);

复制

要训练网络，请使用trainNetwork（深度学习工具箱）。

net = trainNetwork(featuresTrain,labelsTrain,layers,options);

复制

7、验证网络

使用经过训练的网络对新的白噪声、棕色噪声和粉色噪声信号进行分类。

wNoiseTest = 2*rand([N,1]) - 1;
classify(net,extract(aFE,wNoiseTest)')
ans = categorical
     white


bNoiseTest = filter(1,[1,-0.999],wNoiseTest);
bNoiseTest= bNoiseTest./max(abs(bNoiseTest),[],'all');
classify(net,extract(aFE,bNoiseTest)')
ans = categorical
     brown


pNoiseTest = pinknoise(N);
classify(net,extract(aFE,pNoiseTest)')
ans = categorical
     pink

复制