街头叫卖声的声学表征：基于机器学习的简约特征选择方法

《Symmetry》：Toward an Acoustic Characterization of Street Cries: A Machine Learning-Based Approach with Parsimonious Feature Selection

　　摘要街头叫卖声是摊贩在公共空间用于宣传产品或服务的语音表达方式。尽管它们可能反映了对嘈杂城市环境的适应，但其声学特征仍知之甚少。本研究评估了街头叫卖声（SC）在声学上是否与摊贩的正常说话声音（NV）存在差异，以及这些差异是否可以使用紧凑的特征子集来捕获。提取了 16 个与基频、共振峰结构、频谱特性和音质相关的声学特征。基于肯德尔相关系数去除了冗余特征，随后评估了四种分类器：支持向量机（SVM）、随机森林（RF）、k 近邻（KNN）和高斯朴素贝叶斯（GNB）。然后使用二进制粒子群优化（BPSO）进行特征选择，由参数控制交叉验证平衡准确率与子集大小之间的权衡。在重复参与者分组交叉验证中，SVM 使用 13 特征向量取得了最高的平均平衡准确率（0.887 ± 0.056）。在保留测试集上，BPSO 选择的子集得出的平衡准确率为 0.783–0.900。最佳的 SVM 和 GNB 配置分别使用六个和四个特征均达到了 0.900。特定特征出现在所有选中的子集中。这些结果表明，可以使用精简的、可解释的声学特征集来区分 SC 和 NV。