上篇文章介绍了“识别”和“检索”的区别和关系，从这篇开始，我们将从更近的距离接触特定音频识别，本文将向大家介绍特定音频识别系统的基本构成。
一个典型的特定音频识别系统的原理如下图所示：
特定音频识别系统原理图
从图中可以看到，特定音频识别系统一般分为离线训练和在线识别两个阶段。作为用户，我们常常接触到的是在线识别这个部分，而特定音频识别系统在实用中最耗时的部分，却是离线训练阶段。
下面，请大家跟随我的介绍，逐一了解这两个阶段的工作内容吧！
一、离线训练
离线训练的目的是：通过对一系列预先标注好类别的训练数据的训练，得到用以识别目标类别的分类器，具体而言，可以分为以下几个步骤：
1. 预处理。预处理的目的是为了对原始音频进行一定的处理，使其便于被后续的计算所采用。一个常见的预处理过程为：骤首先对原始音频信号作预加重处理，减少尖锐噪音影响，提升高频信号，然后对音频数据加20ms的汉明窗形成帧，帧移为10ms，最后去除静音帧，这样不仅可以减少音频信号的干扰，提取有效音频，而且也减少了音频处理的运算量，从而有效地提高系统的运算性能，提高识别效率。
2. 提取训练文件的音频特征。提取的音频特征包括：MFCC、LPCC、子带能量、短时能量、短时过零率和基音频率等（这些特征的含义，后文会做简要介绍，如要深入研究，可以自行百度或者维基），一个实用的特定音频事件识别系统往往还包括一个特征向量生成的步骤，目的是对上述特征向量进行筛选、统计、融合，组成更具代表性的特征向量。
3. 分类器训练。对大量种类繁多的特定音频样本和非特定音频样本进行训练，最终得到一个泛化的分类器池，至此离线训练完成。
二、在线识别
在线识别阶段可以分为以下几个步骤：
1. 预处理。
2. 提取训练文件的音频特征。
以上两个步骤与离线训练阶段的完全相同，接下来的两个步骤，是识别的关键。
3. 识别。根据所提取的音频特征向量以及训练得到的分类器池进行计算得到每一个音频片段的类别属性。
4. 平滑处理。对基于音频片段的识别结果进行平滑处理，合并同类别的连续音频片段。根据音频帧和音频片段的时长计算出所有单一类别音频的起止位置。
要指出的是，和离线学习阶段相比，在线识别阶段的运算量往往要小得多，这也是我们可以实现快速识别的理论和技术基础。
到这里，特定音频识别系统的基本构成和原理就介绍完毕啦，下一篇博文，将向大家介绍音频预处理相关的技术和概念。
原创文章，作者：BFS，如若转载，请注明出处：https://www.isclab.org.cn/2014/10/28/%e8%b5%b0%e8%bf%91%e7%89%b9%e5%ae%9a%e9%9f%b3%e9%a2%91%e8%af%86%e5%88%ab%ef%bc%88%e4%b9%8b%e5%9b%9b%ef%bc%89%e2%80%94%e2%80%94-%e8%ae%ad%e7%bb%83%e5%92%8c%e8%af%86%e5%88%ab/