Resumen

El reconocimiento de sonidos ambientales es una función importante de los robots y sistemas informáticos inteligentes. En esta investigación, utilizamos un sistema de red neuronal perceptrón multicapa para el reconocimiento de sonidos ambientales. Los datos de entrada son una combinación de patrones de variabilidad temporal de potencias instantáneas y patrones de variabilidad de frecuencia con espectro instantáneo en el pico de potencia, denominado patrón de intersección tiempo-frecuencia. Los espectros de muchos sonidos ambientales cambian más lentamente que los de la voz o el habla, por lo que el patrón de intersección tiempo-frecuencia conservará las características principales de los sonidos ambientales pero con requisitos de datos drásticamente reducidos. Se realizaron dos experimentos utilizando una base de datos original y una base de datos abierta creada por el proyecto RWCP. La tasa de reconocimiento para 20 tipos de sonidos ambientales fue del 92%. La tasa de reconocimiento del nuevo método fue aproximadamente un 12% más alta que los métodos que utilizan solo un espectro instantáneo. Los resultados también son compar

• Materias:Máquina de vectores Marco neuronal híbrido Base de datos Inteligencia neuronal Sintonización de controladores
• Subjects:Vector machine Hybrid neural framework Database Neural intelligence Controller tuning
• Palabras claves:Reconocimiento de sonido ambiental; Sistema de red neuronal; Patrón de intersección tiempo-frecuencia; Base de datos; Tasa de reconocimiento; Métodos basados en HMM
• Keywords:Environmental sound recognition; Neural network system; Time-frequency intersection pattern; Database; Recognition rate; HMM-based methods