作者:程龙; 张华清鸣声识别梅尔倒谱系数经验模态分解高斯混合模型
摘要:鸟鸣声识别的关键就在于对鸣声信号进行合理的特征值提取。鸟鸣声信号具有非平稳性,传统的梅尔倒谱系数(MFCC)仅能反映鸣声信号的静态特性,并且算法中直接运用FFT处理非平稳信号存在局限性。本文提出了一种基于经验模态分解(EMD)改进的MFCC算法,通过对鸟鸣声信号进行经验模态分解,得到一系列固有模态函数分量后再进行FFT计算,频域合成后通过Mel滤波器,取其对数能量进行DCT变换,然后对结果作差分得到改进的MFCC参数,再采用高斯混合模型(GMM)进行鸟鸣声的识别。实验结果表明,改进的MFCC识别率达到70.09%,与未改进的MFCC识别率相比提高了3.42%。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社