排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
基于MFCC和GMM的昆虫声音自动识别 总被引:1,自引:0,他引:1
昆虫的运动、 取食、 鸣叫都会发出声音, 这些声音存在种内相似性和种间差异性, 因此可用来识别昆虫的种类。基于昆虫声音的昆虫种类自动检测技术对协助农业和林业从业人员方便地识别昆虫种类非常有意义。本研究采用了语音识别领域里的声音参数化技术来实现昆虫的声音自动鉴别。声音样本经预处理后, 提取梅尔倒谱系数(Mel frequency cepstrum coefficient, MFCC)作为特征, 并用这些样本提取的MFCC特征集训练混合高斯模型(Gaussian mixture model, GMM)。最后用训练所得到的GMM对未知类别的昆虫声音样本进行分类。该方法在包含58种昆虫声音的样本库中进行了评估, 取得了较高的识别正确率(平均精度为98.95%)和较理想的时间性能。该测试结果证明了基于MFCC和GMM的语音参数化技术可以用来有效地识别昆虫种类。 相似文献
3.
基于Mel倒谱系数和矢量量化的昆虫声音自动鉴别 总被引:1,自引:0,他引:1
为了给生产单位害虫管理的普通技术人员提供简便易操作的昆虫种类鉴别方法, 本研究把人类语音识别领域的先进技术应用于昆虫识别, 提出了一种新颖的昆虫声音自动鉴别方法, 用声音参数化技术为昆虫声纹识别设计了一种简单易行的方案。声音信号经过预处理、分段得到一系列的声音样本, 从声音样本提取Mel倒谱系数(MFCC), 并用Linde-Buzo-Gray(LBG)算法对提取的MFCC进行矢量量化(VQ), 所得码字作为声音样本的特征模型。特征参数之间的匹配用搜索最近邻的方法实现。本文方法在包含70种昆虫声音的库中进行了试验, 取得了超过96%的识别率和理想的时间性能。试验结果证明了该方法的有效性。 相似文献
4.
1