本文關(guān)鍵詞：基于能量檢測的復(fù)雜環(huán)境聲音識別　出處：《福州大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 自適應(yīng)能量檢測 非平穩(wěn)噪聲功率譜估計(jì) Mel尺度的小波包分解子帶倒譜系數(shù) 高斯混合模型 支持向量機(jī) 雙層分類模型

【摘要】：隨著現(xiàn)代社會經(jīng)濟(jì)的不斷發(fā)展,生態(tài)環(huán)境越來越受到關(guān)注,而包含豐富信息的環(huán)境聲音又是生態(tài)環(huán)境中不可或缺的元素之一,因此對生態(tài)環(huán)境中各種不同的聲音進(jìn)行分析和識別,對生態(tài)環(huán)境的保護(hù)和可持續(xù)發(fā)展具有潛在的重大意義。現(xiàn)實(shí)生態(tài)環(huán)境中噪聲無處不在也不可避免,本文將復(fù)雜背景噪聲環(huán)境下的鳥類聲音識別作為研究的切入點(diǎn),提出了經(jīng)過自適應(yīng)能量檢測(AED)后基于Mel尺度的小波包分解子帶倒譜系數(shù)(MWSCC)特征結(jié)合高斯混合模型(GMM)與支持向量機(jī)(SVM)雙層混合分類模型的環(huán)境聲音識別方法,并將該方法推廣到更一般化的復(fù)雜背景噪聲下的環(huán)境聲音識別。本文主要的研究工作包括如下三個(gè)方面：1)自適應(yīng)能量檢測：針對信號檢測中常用的能量檢測方法需要預(yù)先知道噪聲方差以及固定檢測閾值設(shè)定困難這兩個(gè)問題,提出自適應(yīng)能量檢測方法。根據(jù)頻率分布特點(diǎn),先將帶噪聲音信號劃分成子頻帶,對每個(gè)頻帶的聲音信號進(jìn)行非平穩(wěn)噪聲功率譜估計(jì)；再利用噪聲估計(jì)中的前景聲音存在概率設(shè)定能量檢測概率,進(jìn)而推導(dǎo)出具有針對性的能量檢測閾值；最后根據(jù)估計(jì)的噪聲方差與自適應(yīng)的檢測閾值,構(gòu)成能量檢測的自適應(yīng)判決規(guī)則,對有用聲音進(jìn)行檢測。2)改進(jìn)的特征提�。横槍el頻率倒譜系數(shù)(MFCC)特征在復(fù)雜噪聲環(huán)境下識別性能差的缺點(diǎn)以及環(huán)境聲音具有多變性、多樣性、非平穩(wěn)性、非結(jié)構(gòu)化等特點(diǎn),提出基于Mel尺度的小波包分解子帶倒譜系數(shù)(MWSCC)特征。并將前端的自適應(yīng)能量檢測(AED)與MWSCC特征提取相結(jié)合,得到AED_MWSCC,只對檢測到有用聲音信號的聲音幀提取MWSCC抗噪特征,在優(yōu)化聲音分類識別性能的同時(shí)也降低了時(shí)間復(fù)雜度。3)雙層混合分類模型：利用GMM適合于處理連續(xù)聲音信號,SVM適合于進(jìn)行聲音分類的特點(diǎn),提出GMM和SVM混合的雙層分類模型,用第一層的GMM描述環(huán)境聲音的特征分布進(jìn)行粗分類,將第一層的GMM概率輸出作為第二層SVM的輸入,用SVM進(jìn)行環(huán)境聲音的精細(xì)類別劃分,構(gòu)建GMM_SVM雙層混合分類模型對復(fù)雜環(huán)境聲音進(jìn)行分類與識別。本文對鳥類、哺乳動物類、昆蟲類這3類30種的復(fù)雜環(huán)境聲音進(jìn)行研究及對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,本文提出的AED_MWSCC結(jié)合GMM_SVM雙層混合模型的聲音識別方法,具有良好的噪聲魯棒性與分類識別性能,適用于復(fù)雜背景噪聲下的環(huán)境聲音識別。
[Abstract]:This paper proposes an adaptive energy detection method based on Mel - scale wavelet packet decomposition subband cepstrum coefficient ( MWSCC ) , which is based on Mel - scale wavelet packet decomposition subband cepstrum coefficient ( MWSCC ) .

【學(xué)位授予單位】：福州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN912.34

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張宏超;聲音識別簡介[J];信息與控制;1979年03期

2 劉礫;日研制成功世界上第一個(gè)連續(xù)聲音識別系統(tǒng)[J];國外自動化;1979年Z1期

3 王憲忠;;前景光明的聲音識別技術(shù)[J];華夏星火;2001年09期

4 郭利剛;方土富;;智能聲音識別技術(shù)在廣播電視廣告監(jiān)測中的應(yīng)用[J];廣播與電視技術(shù);2006年12期

5 施智雄;;基于聲音識別的氣味發(fā)生裝置設(shè)計(jì)與實(shí)現(xiàn)[J];電聲技術(shù);2009年05期

6 蔡時(shí)昊;顏偉國;;智能聲音識別技術(shù)構(gòu)建廣播電視廣告節(jié)目監(jiān)測系統(tǒng)[J];信息通信;2012年03期

7 王再歡;唐云建;韓鵬;;一種利用聲音識別的森林盜伐檢測方法[J];計(jì)算機(jī)工程與應(yīng)用;2012年30期

8 甘振新 ,金世龍;關(guān)于聲音識別的一些研究課題[J];信息與控制;1979年03期

9 千葉 ,成美 ,劉小立 ,祝景成;聲音識別技術(shù)的現(xiàn)狀與未來[J];國外自動化;1983年02期

10 碧仁 ,陳淑媛;國內(nèi)外市場大視野[J];現(xiàn)代情報(bào);1993年01期

相關(guān)會議論文 前3條

1 楊曜;郭斌;於志文;;一種基于背景聲音識別的社會情境感知方法[A];第八屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2012)論文集PCC[C];2012年

2 張明瀚;石為人;丁寧;;一種基于學(xué)習(xí)的異常聲音識別研究[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

3 高思澤;倪邦發(fā);張貴英;趙常軍;肖才錦;劉存兄;劉超;管永精;;過熱液滴探測器的聲音識別系統(tǒng)設(shè)計(jì)[A];第十二屆全國活化分析學(xué)術(shù)交流會論文摘要匯編[C];2010年

相關(guān)重要報(bào)紙文章 前3條

1 日立邋編譯;聲音識別：下一代手機(jī)輸入接口[N];中國電子報(bào);2007年

2 本報(bào)駐以色列記者　田學(xué)科;藏在舌尖上的“身份證”[N];科技日報(bào);2006年

3 李莉;反恐戰(zhàn)場另類“靈眼”[N];中國國防報(bào);2004年

相關(guān)博士學(xué)位論文 前1條

1 張文娟;基于聽覺仿生的目標(biāo)聲音識別系統(tǒng)研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2012年

相關(guān)碩士學(xué)位論文 前10條

1 張楠;西湖之聲“杭州味道”品牌戰(zhàn)略方案評估和建議[D];浙江大學(xué);2015年

2 張?zhí)K楠;基于視頻跟蹤與多模型聲音識別的豬行為檢測與分析[D];太原理工大學(xué);2016年

3 張小霞;基于能量檢測的復(fù)雜環(huán)境聲音識別[D];福州大學(xué);2014年

4 尤冠瑜;基于時(shí)間編碼的環(huán)境聲音識別[D];福州大學(xué);2013年

5 王熙;基于多頻段譜減法的魯棒性生態(tài)環(huán)境聲音識別[D];福州大學(xué);2013年

6 顏鑫;真實(shí)噪聲下利用抗噪冪歸一化倒譜系數(shù)的兩層魯棒環(huán)境聲音識別[D];福州大學(xué);2013年

7 胡志峰;基于嵌入式聲音識別技術(shù)的列車預(yù)警研究[D];西南交通大學(xué);2007年

8 黃偉鴻;工廠噪聲環(huán)境下聲音識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];中山大學(xué);2014年

9 吳弘;空中目標(biāo)聲音識別技術(shù)的研究[D];南京理工大學(xué);2004年

10 曹慧敏;基于海上偵察系統(tǒng)的聲音識別技術(shù)研究[D];南京理工大學(xué);2010年

，

本文編號：1383443