Audio Bank：用于音频事件识别的高级声学信号表示

自动音频事件识别在使人机交互更加紧密方面起着关键作用，并在工业自动化、控制和监控系统中具有广泛适用性。音频事件由谐波纠缠的复杂语音模式组成。音频识别由低级和中级特征主导，这些特征已展现出其识别能力，但计算成本高且语义信息低。在本文中，我们提出一种新的计算高效的音频识别框架。Audio Bank 是一种新的高级音频表示，由在时频空间中表示每个音频类的独特音频检测器组成。所得特征向量的维度使用非负矩阵分解降低，同时保留其可分辨性和丰富语义信息。使用若干分类器（SVM、神经网络、高斯过程分类和 k 近邻）的高音频识别性能显示了所提方法的有效性。