10.3969/j.issn.1672-9722.2016.10.002
基于 EEMD 的异常声音特征提取
针对使用梅尔倒谱系数 MFCC ,LPCC 等传统语音特征时异常声音识别率低的问题,结合到异常声音具有高度非平稳、非线性的特点,提出一种基于总体平均经验模态分解的异常声音特征提取方法。首先对声音进行分帧,对每一帧信号提取模态函数。对不同层模态函数提取包括短时能量,能量比,短时平均过零率,MFCC 等特征,对信号的特征向量分段取均值作为最终的特征。基于这些特征的特征组合,采用支持向量机作为分类模型对七种异常声音进行识别,并测试了不同信噪比条件下识别的效果,结果表明基于 EEMD 的特征相比 MFCC ,LPCC 等特征能有效提高识别率。
异常声音识别、经验模态分解、特征提取、支持向量机
44
TP311(计算技术、计算机技术)
中科院战略性先导科技专项极低功耗智能感知技术编号XDA06020401资助。
2016-11-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
1875-1879,1894