基于MFCC和SVM的车窗电机异常噪声辨识方法研究

摘要：

为提高车窗电机异常噪声特征提取的有效性及分类识别的准确性,提出一种以优化的梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)为特征值,以支持向量机(Support Vector Machine,SVM)为噪声辨识模型的电机异常噪声辨识方法.在MFCC提取方法基础上,针对频谱泄漏,用Hanning自卷积窗代替Hanning窗,获得优化的MFCC,并将其作为特征值输入到SVM进行异常噪声辨识.为提高SVM判别准确率,采用人工蜂群算法实现SVM参数选择优化.实验结果表明,该方法能够有效判别电机是否存在异响,准确率达到91％.

关键词：车窗电机噪声、梅尔倒谱系数、支持向量机、汉宁自卷积窗、人工蜂群算法

所属期刊栏目：36

分类号：TP274;TM306(自动化技术及设备)

在线出版日期：2017-05-16（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：102-107