10.13465/j.cnki.jvs.2022.13.035
基于MFCC的汽车敲击异响识别
现阶段,汽车异响的诊断主要依赖有经验的工程师进行主观评判,存在不准确、易错判、易漏判的问题.针对汽车敲击异响实测信号进行统计分析得到梅尔倒谱系数(Mel frequency cepstrum coefficient,MFCC),并以此作为表征异响来源的特征向量,基于最大似然估计法构建其联合概率分布高斯混合模型(Gaussian mixture model,GMM),从而针对未知实测异响信号可利用该GMM模型进行似然判别.指出了说话人识别技术与敲击异响识别的不同之处即Mel三角滤波器个数和离散余弦变换输出系数个数的选取方式,并对方法的可行性进行分析,最后试验加以验证.结果显示此方法的识别率达100%,拒绝率达100%以上,为汽车异响的客观评价方法打下基础.
说话人识别、敲击异响、梅尔倒谱系数(MFCC)、高斯混合模型(GMM)
41
TP274;U467.4(自动化技术及设备)
2022-07-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
275-282