如何预处理声学数据

Question

我处理的声音数据的采样频率很高的2兆赫，并希望建立一个分类器。

我想知道是否有任何经验法则来预处理声学数据。直接使用原始数据(时间信号)还是先构造光谱图，然后使用这些数据更好？

有纸，说生更好，也有文件说光谱更好。在我看来，作者似乎已经有了一种更好的方法，甚至在写论文之前。我认为真正的比较是很困难的。

我读了深度学习及其在机械健康监测中的应用的论文，其中对不同的方法进行了研究。我查阅了他的参考资料，但作者似乎只是挑选原始或光谱图而不作解释。例如，在论文中，音乐音频的端到端学习从Dieleman光谱图是首选。在raw /T 1497-1988音乐自动标注用原始波形的样本级深卷积神经网络中，他们声称他们的一维结构更好，或者至少可以与2D架构媲美。

就我个人而言，我对光谱图有更好的经验。

Answer 1

关于“用原始波形进行音乐自动标注的样本级深层卷积神经网络”的论文，我可以给大家一些关于这个问题的直觉，因为我和我的同事进行了实验。

总之，我建议你在你的情况下使用基于谱图的方法。

我想指出两个原因，

首先，当采样率为16 the ~22 the时，基于原始波形的训练结构比基于谱图模型的训练时间长约4倍。在你的情况下，抽样率甚至是22兆赫。我认为这将花费更多的时间，比基于谱图的模型，具有类似的性能。

其次，为了获得经过良好训练的原始波形模型，我们需要50小时以上的音频，因为该模型具有更多的参数和更深的层次。在我看来，使用基于原始波形的模型的好处不是性能的提高，而是生成模型。如果使用性能良好的原始波形模型，则在生成模型的情况下，不需要从谱图中重构音频信号。这是我们进行报告实验的主要原因。

如果计算能力和内存随着当前趋势的发展而提高，我们预计基于波形的原始模型将在不久的将来成为主流。但是现在我认为基于谱图的模型更方便，尤其是在工业应用中。

Answer 2

我认为这取决于您的数据样本的特性，以及您需要检测的内容。

如果需要找到某个事件的开始和持续时间，原始数据可能会更好。

如果您寻找重复模式(心跳)，那么频谱/频率数据可能会更好。