音频特征提取与Gabor滤波器在深度学习中的应用

本周的报告由黄敬雯撰写，主要内容聚焦于MATLAB中的音频特征提取，特别是在语谱图中的显示。黄敬雯深入研究了一篇关于基于深度神经网络的音频事件检测的论文，特别关注了Gabor特征提取方法及其在音频处理中的应用。 Gabor滤波器是音频特征提取的重要工具，它由一组两维的滤波器构成，每个滤波器由时频域的包络函数和载波函数定义。这些滤波器最初是为了模拟生物听觉和视觉系统中的处理模型，其核心原理是复合正弦载波的输出，通过调整载波频率（k0）、时间帧中心（n0）、谱调制频率（）和时间调制频率（），以及相关的参数如信道数、帧数等，形成一组具有优良时-频特性的滤波器。 在实际应用中，Gabor滤波器的参数设置有限，以确保性能和计算效率。例如，使用69个信道和40帧的时间窗口，使得每个滤波器都在频域和时域上具有合适的局部化特性。此外，滤波器之间的调制频率（dx）被设计成保持固定重叠，以便于频率和时间维度的共享，但这也限制了不同滤波器之间的相关性。 Gabor特征提取涉及将对数Mel谱系数经过两维Gabor滤波器处理，得到的高维特征表示通常需要降维来提高效率和减少冗余。文献比较了主成分分析（PCA）和二次抽样两种降维方法，结果显示后者在识别性能上更优，因此最终选择了311维的Gabor特征作为最具代表性的特征。 Gabor函数形成的滤波器因其同时优化的空间和频率域局部化能力，能够有效地捕捉音频中的空间频率、位置和方向选择性信息，这对于音频事件检测和特征提取至关重要。理解并掌握Gabor滤波器的工作原理和应用技巧，对于提升音频处理算法的精度和效率具有重要意义。