導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 環(huán)境保護(hù)論文>>正文

噪音情境下生態(tài)環(huán)境聲音的分類

文檔作者：余清清，李應(yīng)，李勇文檔來源：福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院		點(diǎn) 擊數(shù)：	更新時間： 2023年03月20日
下載地址：點(diǎn)擊這里	文件大小： 358.10 KB 共5頁	文檔格式： PDF	下載點(diǎn)數(shù)： 1 點(diǎn)（VIP免費(fèi)）

全屏查看

內(nèi)容預(yù)覽 [文件共5頁]

本文件共5頁，如需編輯使用，請下載。

注：預(yù)覽效果可能會出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問題，下載是正常的。

	文件大?。?58.10 KB 共5頁文件格式：PDF 下載點(diǎn)數(shù)：1 點(diǎn)（VIP會員免費(fèi)）

下一篇：石英砂﹢磁鐵礦雙層濾料濾罐濾料污染分析…

上一篇：含油污泥處理后殘?jiān)糜跓Y(jié)磚試驗(yàn)

文本預(yù)覽

僅提取頁面文字內(nèi)容，供快速閱讀使用。

小型微型計(jì)算機(jī)系統(tǒng)
Journal of Chinese Computer Systems
2011年8月第8期
VoL32 No．8 2011
噪音情境下生態(tài)環(huán)境聲音的分類
余清清，李應(yīng)，李勇
(福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，福州350108)
E-mail：yqing．．77@126．com
摘要：提出一種對含有噪音的生態(tài)環(huán)境聲音進(jìn)行分類的方法．首先，匹配追蹤(Matching Pursuit，簡稱MP)算法可以提取有
效信號的時-頻特征，減弱噪音的干擾．支持向量機(jī)(supportVectorMachine，簡稱SVM)分類器的魯棒性比較好，所以提出使用
SVM基于MP時一頻特征建立模型(簡稱MP-SVM)對含有噪音的生態(tài)環(huán)境聲音進(jìn)行分類．實(shí)驗(yàn)得出MP-SVM可取得較好的分
類效果，證明了MP時-頻特征和SVM分類器具有較好的抗噪性．
關(guān)鍵詞：生態(tài)環(huán)境聲音；匹配追蹤；時-頻特征；Mel頻率倒譜系數(shù)；支持向量機(jī)
中圖分類號：11P391 文獻(xiàn)標(biāo)識碼：A 文章編號：1000—1220(2011)08·1689-05
Eco．environmental Sounds Classificafion Under Noise ConditiOIlS
YU Qmg—qmg。LI Ying。LI Yong
(College ofMathematics and Computer Science。Fuzhou University。Fuzhou 350108．China)
Abstract：A classification approach for eco·environmental sounds under noise conditions is presented in this paper．Matching pursuit
(MP)algorithm is proposed tO extract lime-frequency features of effective signals，SO that it can reduce the interference of noise．In
addition，the classification model using support vector machine(SVM)is more robust-SO a classification model using MP-based leatures
and SVM(Ⅷ-S、，M)is proposed．Experimentally，m—SVM is able to achieve a higher accuracy rate for diseriminaling eco-environmental
sounds under noise conditions．r11le result shows that MP-based features and SVM classifier have better noise immunity．
Key words：ecO—env插onmental sounds；matching pursuit；time-frequency features；Mel—frequency eepstral coefficients；support vector
machine
1 引言
目前音頻分類和識別的研究大部分集中在語音識別和音
樂的分類上，對環(huán)境音頻的識別和分類的研究比較少，其中對
生態(tài)環(huán)境的音頻數(shù)據(jù)的分類和識別的研究仍是一個空白．但
是，研究生態(tài)環(huán)境音頻數(shù)據(jù)的分類技術(shù)，對于分析和研究生態(tài)
環(huán)境、預(yù)測生態(tài)環(huán)境的變化、了解各種生物生存及活動規(guī)律都
具有重要的意義．
在實(shí)際的生態(tài)環(huán)境聲音分類中，會遇到各種各樣不可預(yù)
測的噪音，因此研究含有噪音的生態(tài)環(huán)境聲音的分類方法具
有更實(shí)際的應(yīng)用價值．所以本文研究在有噪音的情境下對不
同地點(diǎn)、季節(jié)、時辰下的生態(tài)環(huán)境聲音(例如夏天中午的熱帶
雨林、夏天傍晚的沼澤地)的分類．這種生態(tài)環(huán)境聲音信號是
復(fù)雜的信號，由多種聲音和噪音組成，在對這些聲音進(jìn)行分類
時，如何降低噪音對分類的干擾是個難點(diǎn)．關(guān)鍵是如何提取具
有較好的抗噪能力的特征．頻域特征常用的是Mel頻率倒譜
系數(shù)(Mel·Frequency Cepstral Coefficients，簡稱MFCCs)，而
時一頻域表示方法常用的是短時傅立葉變換和小波變換．MF—
CC對一些結(jié)構(gòu)化信號的分類顯示出很好的效果，但在分析
具有平譜(flat spectrum)的噪音時效果不好，當(dāng)噪音出現(xiàn)時，
MFCC的分類效果就明顯下降．所以，在有噪聲的情境下，分
類模型只使用頻域特征(例如MFCCs)可能無法進(jìn)行分類，但
是使用時領(lǐng)域特征可以分類．匹配追蹤(Matching Pursuit，簡
稱MP)算法?正是提供了一種提取時-頻特征的方法．提取
時·頻特征時，將信號分解成一些波形，這些波形最佳匹配這
個信號，它們叫做時一頻原子．MP是在冗余的Gabor原子字典
上選擇最適合信號結(jié)構(gòu)的分解，得到一個靈活、直觀且有判斷
力的特征集．因此，我們提出使用MP算法來獲取有效的時-
頻特征．
選擇合適的分類器也是決定分類效果的關(guān)鍵．目前常用
的音頻分類算法有支持向量機(jī)(Support Vector Machine，簡
稱SVM)[2J、K-Nearest Neighbor(簡稱Ⅺ哪)13]、Ensemble of
Nested Dichotomies(簡稱F心rD)”蘆1、高斯混合模型(Gaussian
Mixture Model，簡稱GMM)扣’73等等．由于應(yīng)用SVM方法建
立的模型具有較好的推廣能力、較好的”魯棒”性．所以，我們
提出使用SVM基于MP時一頻特征建立模型對含有噪聲的生
態(tài)環(huán)境聲音進(jìn)行分類．我們對10類生態(tài)環(huán)境聲音進(jìn)行分類實(shí)
驗(yàn)．實(shí)驗(yàn)表明，在有噪音的情境下，MP時-頻特征可取得較好
的效果，SVM分類器比其他的分類器抗噪性更好．
收稿日期：2010-05．10基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目(61075022)資助；福建省教育廳A類科技項(xiàng)目(JA09021)資助． 作者簡介：余
清清．女，1986年生，碩士研究生，主要研究方向?yàn)橐纛l數(shù)據(jù)檢索；李應(yīng)。男，1964年生，博士，副教授，主要研究方向?yàn)橐纛l數(shù)據(jù)檢索、信息安
全；李勇．男，1986年生，碩士研究生，主要研究方向?yàn)橐纛l數(shù)據(jù)檢索．

網(wǎng)友評論 more

環(huán)境保護(hù)論文最新內(nèi)容

03-05