基于声信号特征加权的设施养殖羊行为分类识别

摘要：

中国西部地区正在发展集约化和规模化的设施养羊业，通过监测羊舍内的声信号可以判别羊只的行为状态，从而为设施养羊的福利化水平评估提取基础依据。梅尔频率倒谱系数（mel frequency cepstrum coefficient，MFCC）模拟了人耳对语音的处理特点且抗噪音性强，被广泛用于畜禽发声信号的特征提取，但其没有考虑各个特征分量表征声信号的能力。该研究构建羊舍无线声音数据采集系统，采集20只羊在设施羊舍内的打斗、饥饿、咳嗽、啃咬和寻伴共5种行为下的声信号，并通过Audacity音频处理软件选出720个清晰且不重叠的声音样本数据。根据MFCC各分量对羊舍声信号表征能力，特征参数提取采用一种熵值加权的MFCC参数，再求其一、二阶差分并进行主成分分析降维，得到优化的19维特征参数。通过对羊舍声信号的声谱图分析，设计了支持向量机二叉树识别模型，并对模型内的4个分类器参数进行网格化寻优测试，该识别模型对羊只5种行为下的声信号进行分类识别，用改进的特征参数与传统MFCC和线性预测倒谱系数（linear predictive cepstrum coefficient，LPCC）进行对比分析。结果表明，该特征参数对5种行为的识别率平均可达83.6%，分别高于MFCC和LPCC参数14.1%和26.8%，羊只打斗和咳嗽行为的声信号属于相似的短时爆发类声音，其识别率分别仅为80.6%和79.5%，啃咬声特征显著不易混淆，其查全率可达到为92.5%，改进特征参数更好的表征了羊舍声信号的特征，提高了羊只不同行为的识别率，为羊只健康和福利状况的监测提供理论依据。

关键词：动物、设施、声信号处理、梅尔频率倒谱系数、特征提取、支持向量机、行为识别

所属期刊栏目：32

分类号：TN713(基本电子电路)

资助基金：“十二五”国家科技支撑项目2014BAD08B05；国家自然科学基金项目11364029，61461042；内蒙古“草原英才”产业创新人才团队项目内组通字[2014]27号；内蒙古农业大学科技创新团队项目NDTD2013-6

在线出版日期：2016-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：195-202