福建省教育厅A类人文社科/科技研究项目(JA09021)
- 作品数：8 被引量：18H指数：3
- 相关作者：李应余清清李勇王浩安王熙更多>>
- 相关机构：福州大学更多>>
- 发文基金：福建省教育厅A类人文社科/科技研究项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 噪音情境下生态环境声音的分类
- 2011年
- 提出一种对含有噪音的生态环境声音进行分类的方法.首先,匹配追踪(Matching Pursuit,简称MP)算法可以提取有效信号的时-频特征,减弱噪音的干扰.支持向量机(support Vector Machine,简称SVM)分类器的鲁棒性比较好,所以提出使用SVM基于MP时-频特征建立模型(简称MP-SVM)对含有噪音的生态环境声音进行分类.实验得出MP-SVM可取得较好的分类效果,证明了MP时-频特征和SVM分类器具有较好的抗噪性.
- 余清清李应李勇
- 关键词：MEL频率倒谱系数支持向量机
- 新型MFCC和波动模型相结合的二层环境声音识别被引量：2
- 2011年
- 对生态环境中各种不同的声音进行快速准确的识别有重要的现实意义,但是因其具有较高背景噪声加大了识别的难度。提出一种具有良好抗噪能力和较高识别性能的两层音频识别技术。选择经过改进的新型的MFCC参数以及波动模型作为生态环境声音的特征集合。利用这种新型的MFCC系数构造音频信号的高斯分布模型,并且计算未知音频信号与样本音频信号的高斯分布模型之间的Kullback-Leibler距离,随后计算它们的波动模型之间的欧几里德距离。根据计算出的Kullback-Leibler距离和欧几里德距离实现两层音频识别系统。实验结果表明两层音频识别技术即使在噪声的影响下也能保持较高的识别率。
- 李勇李应余清清
- 关键词：生态环境声音识别
- 噪声环境下基于能量检测的生态声音识别被引量：5
- 2013年
- 无效声音段的存在导致噪声环境下声音识别方法的识别率迅速降低。为此,提出一种基于能量检测的抗噪声音识别方法。用能量检测方法检测背景噪声环境下的有用声音信号,对检测到的信号提取Mel频率倒谱系数特征,使用支持向量机对提取的特征向量训练分类模型,对含有噪声的生态环境声音进行识别。实验结果表明,该方法具有较好的抗噪能力,其在信噪比40 dB以下的识别率比添加能量检测前提高约25%。
- 王浩安李应
- 关键词：支持向量机MEL频率倒谱系数虚警概率
- 基于流形学习和SVM的环境声音分类被引量：1
- 2011年
- 为利用生态环境中各种声音包含的信息,提出一种将流形学习算法和支持向量机(SVM)相结合的生态环境声音分类技术。提取音频强度、音色、音调和音频节奏的特征集合并计算对应的特征向量,采用改进的拉普拉斯特征映射流形学习算法对特征向量进行维数约简,从而降低数据处理的复杂性。使用SVM对降维后的特征向量进行分类,发挥SVM在处理小样本、非线性及高维数据方面的优势,从而提高分类准确率。实验结果表明,该技术能对生态环境声音进行快速准确的分类。
- 李勇李应余清清
- 关键词：流形学习支持向量机
- 一种基于消除能量偏差的双层环境声识别模型
- 2012年
- 相比Mel倒谱系数(MFCC),基于能量偏差移除和幂函数的声音特征(PNCC)具有较强的抗噪能力。首先,将PNCC和MFCC组成混合特征矩阵,在隐马尔科夫模型(HMM)、高斯混合模型(GMM)和支持向量机(SVM)下对混合特征和传统特征做对比实验。其次,先选取实验结果较好的HMM模型过滤测试样本,再分别选取GMM和SVM做二次分类,并测试两种双层模型的识别正确率。结果表明在噪声环境下使用HMM/GMM双层模型和混合特征可取得较好的识别效果。
- 吴丽进李应
- 基于SVM模型的自然环境声音的分类被引量：5
- 2010年
- 提出了一种基于支持向量机(SVM)模型对自然环境声音进行分类的方法。首先,提取Mel频率倒谱系数(MFCCs)来分析声音信号;其次,对自然环境的声音基于MFCC特征集建立SVM模型;最后,使用交叉验证的测试方法得到基于SVM算法的分类结果。使用SVM模型对50类自然环境中的声音进行分类的正确率可达99.5704%,分类效果明显优于K最近邻(KNN)和二分嵌套整合(END)这两种算法。
- 余清清李应李勇
- 关键词：MEL频率倒谱系数支持向量机
- 基于高斯混合模型的自然环境声音的识别被引量：3
- 2011年
- 提出了一种基于高斯混合模型(GMM)的自然环境声音的识别方法。提取Mel频率倒谱系数(MFCCs)来分析声音信号;对于每种声音使用期望最大化算法基于MFCC特征集建立高斯混合模型;使用最小错误率判决规则和投票裁决的方法进行识别。使用GMM对36种自然环境的声音进行识别的正确率可达95.83%,且识别效果优于K最近邻(KNN)。
- 余清清李应李勇
- 关键词：MEL频率倒谱系数高斯混合模型
- 多频带谱减法用于生态环境声音分类被引量：4
- 2014年
- 基于人类听觉特性的Mel频率倒谱系数广泛用于声音识别,然而在生态环境中噪声的出现导致其识别率剧减。提出一种在噪声背景下生态环境声音分类方法。利用非线性多频带谱减法对声音功率谱进行去噪处理并提取改进Mel频率倒谱系数,有效削弱不同频率段噪声功率谱干扰。利用支持向量机良好的鲁棒性和抗噪能力对含有噪声的生态环境声音进行分类。实验表明该方法能有效在噪声背景下对生态环境声音准确分类。
- 王熙李应
- 关键词：MEL频率倒谱系数支持向量机
