基于 EEMD 的异常声音特征提取

摘要：

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。

关键词：异常声音识别、经验模态分解、特征提取、支持向量机

所属期刊栏目：44

分类号：TP311(计算技术、计算机技术)

资助基金：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。

在线出版日期：2016-11-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1875-1879,1894