基于機(jī)器學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的放電聲音識(shí)別研究
【文章頁(yè)數(shù)】:7 頁(yè)
【部分圖文】:
圖1放電模擬模型
實(shí)驗(yàn)使用傳感器采樣頻率為44100Hz,采樣精度16位,頻率響應(yīng)與人耳可聽(tīng)聲范圍相同,為20~20000Hz。對(duì)于3種模型,在實(shí)驗(yàn)中均將傳感器放置在離模型1.5m處,緩慢加壓直至火花放電,觀察室可見(jiàn)細(xì)微藍(lán)光,并有“嗒嗒”響聲,該階段的波形見(jiàn)圖2(a)。圖2(a)中縱軸為....
圖2放電聲信號(hào)波形圖
圖1放電模擬模型通過(guò)以上實(shí)驗(yàn)合計(jì)收集原始的放電聲音音頻1601s。
圖3放電聲聲譜圖
樸素貝葉斯(NB)、隨機(jī)森林(RF)、支持向量機(jī)(SVM)與K近鄰(KNN)是幾種常用的機(jī)器學(xué)習(xí)算法,廣泛應(yīng)用于文本分類(lèi),用戶(hù)身份辨識(shí)等分類(lèi)場(chǎng)景[26]。這幾種算法對(duì)于輸入數(shù)據(jù)的結(jié)構(gòu)有著不同的假設(shè)和處理方式,因此需考察對(duì)比其與放電聲音信號(hào)的匹配性。NB屬于生成學(xué)習(xí)算法,根據(jù)輸入x....
圖4CNN模型結(jié)構(gòu)
文中移植了TaraN.Sainath等人用于語(yǔ)音關(guān)鍵詞識(shí)別的CNN模型,在對(duì)模型進(jìn)行一定的修改后通過(guò)將音頻轉(zhuǎn)化為聲譜圖使用CNN進(jìn)行識(shí)別[27]。模型結(jié)構(gòu)見(jiàn)圖4。圖4由一層卷積層、兩層全連接層和一層輸出層組成。輸入為(32,40,1)形狀的聲譜圖,卷積層含有186個(gè)(32,8)....
本文編號(hào):3987408
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3987408.html