基于能量检测的复杂环境下的鸟鸣识别-论文.pdf

《基于能量检测的复杂环境下的鸟鸣识别-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、JournalofComputerApplicationsISSN1001—90812013．10．O1计算机应用，2013，33(10)：2945—2949CODENJYIIDUhttp：／／www．joca．ca文章编号：1001—9081(2013)10-2945—05doi：10．11772／j．issn．1001—9081．2013．10．2945基于能量检测的复杂环境下的鸟鸣识别张小霞’，李应(福州大学数学与计算机科学学院，福州350108)(通信作者电子邮箱misma11@foxmail

2、．con)摘要：针对实际环境噪声使得鸟呜识别准确率受到影响的问题，提出一种基于能量检测的抗噪鸟鸣识别方法。首先，对包含有噪声的鸟鸣信号用能量检测方法检测并筛选出有用鸟鸣信号；其次，根据梅尔尺度的分布，对有用鸟呜信号提取小波包分解子带倒谱系数(WPSCC)特征；最后，用支持向量机(SVM)分类器分别对提取的小波包分解子带倒谱系数(WPSCC)和梅尔频率倒谱系数(MFCC)特征进行建模分类识别。同时还对比了在添加不同信噪比的噪声下l5类鸟呜在能量检测前后的识别性能差异。实验结果表明，提取的WPSCC特征具

3、有较好的抗噪功能，且经过能量检测后的识别性能更佳，更适用于复杂环境下的鸟鸣识别。关键词：能量检测；小波包分解子带倒谱系数；梅尔频率倒谱系数；支持向量机；鸟鸣-ie,~'1中图分类号：TP391．4文献标志码：ABirdsoundsrecognitionbasedonenergydetectionincomplexenvironmentsZHANGXiaoxia。UYing(CollegeofMathematwsandComputerScience，FuzhouUniversity,FuzhouFufi

4、an350108，China)Abstract：Forthepurposeofimprovingtherecognitionaccuracyofbirdsoundsinvariouskindsofnoisyenvironmentsinrealworld，anewbirdsoundsrecognitionapproachbasedonenergydetectionwasproposed．Firstofall，theusefulbirdsoundsignalsweredetectedandselected

5、bythemethodofenergydetectionfromthebirdsoundswithnoises．Secondly，accordingtothedistributionofMelscale，thefeatureofWaveletPacketdecompositionSubbandCepstralCoeficient(WPSCC)wasextractedfromtheusefulsignals．Finally，theclassifierofSupportVectorMachine(SVM)

6、wasappliedtomodelontheWPSCCandMel·FrequencyCepstralCoeficient(MFCC)respectivelyforclassificationandidentification．Meanwhile，thecomparisonsofrecognitionperformancedifferencewereimplementedon15kindsofbirdsoundsatdiferentSignal-·to·-NoiseRatio(SNR)indiffer

7、entnoises，beforeorafterenergydetection．TheexperimentalresultsshowthatWPSCChasbetternoiseimmunityfunction，andtherecognitionperformanceafterenergydetectioncanbegreatlyimproved，whichmeansitismoresuitableforthebirdsoundsrecognitionincomplexenvironments．Keyw

8、ords：energydetection；WaveletPacketdecompositionSubbandCepstralCoeficient(WPSCC)；Mel-FrequencyCepstralCoeficient(MFCC)；SupportVectorMachine(SVM)；birdsoundsrecognitionGMM)和隐马尔科夫模型(HiddenMarkovModel，HMM)三种0引言分类器对鸟叫声自动识别的适用性及有效性。考虑到噪