基于子节点的声联网音信息关键词挖掘系统.pdf

本发明提供一种基于子节点的声联网音信息关键词挖掘系统，包括声联网监控中心、一个或多个主节点、一个或多个子节点；所述声联网监控中心通过有线或者无线方式连接主节点；主节点通过无线传感网络连接一个或多个子节点；主节点组建主节点与子节点之间的无线传感网络；主节点将关键词的语音特征数据包封装到下行指令中，并分发给与之连接的一个或多个子节点；所述子节点探测收集其周围的语音信号，经过预处理、特征提取、产生码本、矢量量化编码、模版匹配，识别出关键词，并且将包含关键词的声音片段和子节点的位置标志通过主节点回传给声联网监控中心。本发明用于语音关键词的识别和回传给声联网监控中心。

权利要求书一种基于子节点的声联网音信息关键词挖掘系统，其特征在于：包括声联网监控中心、一个或多个主节点、一个或多个子节点；所述声联网监控中心通过有线或者无线方式连接主节点；主节点通过无线传感网络连接一个或多个子节点；
所述声联网监控中心向主节点分发关键词，收集子节点通过主节点回传的采集语音的包含关键词的声音片段，挖掘采集语音的语义信息以及通过声纹进行身份鉴别；
所述主节点负责组建主节点与子节点之间的无线传感网络；主节点将关键词的语音特征数据包封装到下行指令中，并分发给与之连接的一个或多个子节点；
所述子节点探测收集其周围的语音信号，即采集语音；然后将采集的语音信号进行预处理；随后对预处理后的语音信号进行语音的特征提取；接着对提取的语音特征进行K‑Means聚类，产生码本；码本产生后，一方面子节点利用此码本对子节点采集的语音信号进行矢量量化编码，生成采集语音的语音特征码，另外一方面，子节点对从主节点接收到的关键词语音特征数据包进行矢量量化编码，生成关键词语音特征数据包的模版码；最后，对采集语音的语音特征码和关键词语音特征数据包的模版码进行模版匹配，识别出关键词；并且将包含关键词的声音片段和子节点的位置标志通过主节点回传给声联网监控中心。
如权利要求1所述的基于子节点的声联网音信息关键词挖掘系统，其特征在于：所述预处理包括噪声消减、预加重、分帧。
如权利要求1所述的基于子节点的声联网音信息关键词挖掘系统，其特征在于：所述语音的特征提取包括结合使用线性预测系数MFCC和倒谱系数LPCC进行语音信号的语音特征提取。

说明书基于子节点的声联网音信息关键词挖掘系统
技术领域
本发明涉及一种监测系统，尤其是一种声联网音信息关键词挖掘系统。
背景技术
目前物联网产品基本上都是用来监测气象、环境信息等等，都不具备节点的信息挖掘功能，清华大学部署了一个森林环境监测系统，系统用来监测二氧化碳、温度以及湿度，但是该系统无论子节点还是host节点都不具有智能检测与识别的功能。而目前的一些公共安全系统缺乏能够检测户外交谈关键词的功能。
发明内容
本发明提出一种基于子节点的声联网音信息关键词挖掘系统，能够有效的检测出子节点所在位置附近的语音信号的关键词，并且将包含关键词的声音片段和子节点的位置标志通过主节点回传给声联网监控中心。本发明采用的技术方案是：
一种基于子节点的声联网音信息关键词挖掘系统，包括声联网监控中心、一个或多个主节点、一个或多个子节点；所述声联网监控中心通过有线或者无线方式连接主节点；主节点通过无线传感网络连接一个或多个子节点。
所述声联网监控中心向主节点分发关键词，收集子节点通过主节点回传的采集语音的包含关键词的声音片段，挖掘采集语音的语义信息以及通过声纹进行身份鉴别。
所述主节点负责组建主节点与子节点之间的无线传感网络；主节点将关键词的语音特征数据包封装到下行指令中，并分发给与之连接的一个或多个子节点。
所述子节点探测收集其周围的语音信号，即采集语音；然后将采集的语音信号进行预处理；随后对预处理后的语音信号进行语音的特征提取；接着对提取的语音特征进行K‑Means聚类，产生码本；码本产生后，一方面子节点利用此码本对子节点采集的语音信号进行矢量量化编码，生成采集语音的语音特征码，另外一方面，子节点对从主节点接收到的关键词语音特征数据包进行矢量量化编码，生成关键词语音特征数据包的模版码；最后，对采集语音的语音特征码和关键词语音特征数据包的模版码进行模版匹配，识别出关键词；并且将包含关键词的声音片段和子节点的位置标志通过主节点回传给声联网监控中心。
所述预处理包括噪声消减、预加重、分帧。
所述语音的特征提取包括结合使用线性预测系数MFCC和倒谱系数LPCC进行语音信号的语音特征提取。
本发明的优点：本发明能够及时准确的检测威胁社会安全的语音关键词，相关部门能够及时做出处理和应对，从而减少或者降低恐怖袭击的风险。
附图说明
图1为本发明的系统结构示意图。
图2为本发明子节点的功能流程图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
如图1、图２所示：
一种基于子节点的声联网音信息关键词挖掘系统，包括声联网监控中心、一个或多个主节点、一个或多个子节点；所述声联网监控中心通过有线或者无线方式连接主节点；主节点通过无线传感网络连接一个或多个子节点。
所述声联网监控中心向主节点分发关键词，收集子节点通过主节点回传的采集语音的包含关键词的声音片段，挖掘采集语音的语义信息以及通过声纹进行身份鉴别。
所述主节点（主节点，也称协调节点）负责组建主节点与子节点之间的无线传感网络；主节点将关键词的语音特征数据包封装到下行指令中，并分发给与之连接的一个或多个子节点。
所述子节点探测收集其周围的语音信号，即采集语音；然后将采集的语音信号进行预处理；随后对预处理后的语音信号进行语音的特征提取；接着对提取的语音特征进行K‑Means聚类，产生码本；码本产生后，一方面子节点利用此码本对子节点采集的语音信号进行矢量量化编码，生成采集语音的语音特征码，另外一方面，子节点对从主节点接收到的关键词语音特征数据包进行矢量量化编码，生成关键词语音特征数据包的模版码；最后，对采集语音的语音特征码和关键词语音特征数据包的模版码进行模版匹配，识别出关键词；并且将包含关键词的声音片段和子节点的位置标志通过主节点回传给声联网监控中心。
主节点将关键词的语音特征数据包封装到下行指令中，其封装的格式如下，
8位二进制8位二进制128位二进制128位二进制…….. 节点ID关键词个数语音特征数据包语音特征数据包………
语音特征数据包的长度一定，在子节点进行关键词识别时，模板匹配可以按照固定窗口进行位操作，可以极大的提高识别速度。
所述预处理包括噪声消减、预加重、分帧。语音信号只有在预处理后才能进行语音的特征提取，为准确提取语音信号，应先用低通滤波器滤掉冲击噪声，再用高通滤波器抑制带通噪声，最后用小波变换算法去除白噪声。噪声消减后的语音信号通过预加重环节来提升800Hz以上的高频部分，并补偿6dB/倍频程衰落，使信号在整个频带内具有同样的信噪比。由于采集到的语音信号不完全连续，一般需确定语音帧的起止位置，所以预加重后需要进行分帧。
所述语音的特征提取包括结合使用线性预测系数MFCC和倒谱系数LPCC进行语音信号的语音特征提取。语音信号的特征参数的选取，对声纹识别的性能至关重要。目前可提取的特征参数有线性预测系数LPCC和倒谱系数MFCC等。LPCC具有很好的内插性能，反映了说话人声道的静态和动态特征，适用于信号的聚类分析。MFCC符合人耳对声音频率的非线性感知，对噪声也有一定的适应性。在用MFCC识别语音听觉频率特性时，可能会将声音模拟者误判决为合法者。于是可用LPCC确定说话人的声道特性是否为合法者所有。这样，由于不同说话人的声道特性不同，即使在说同样语音时，LPCC也存在一定的差异。因此，结合使用线性预测系数MFCC和倒谱系数LPCC进行语音信号的语音特征提取，能提高识别率，达到较好的效果。
综上所述，本系统具备了利用子节点、无线传感网络进行语音关键词拦截的方法或者手段，可以有效检测危害社会安全的交谈声音，并及时将该子节点的具体位置以及包含关键词的声音片段传输到声联网监控中心。在不适合部署视频监控系统的地域，安装本系统，检测威胁社会安全的关键词，减少或者降低恐怖袭击的风险。