典型文献
基于BiLSTM的生猪音频识别
文献摘要：
以5种猪声为研究对象,首先,用维纳滤波和端点检测对猪声进行预处理,获得有效语料;然后,提取梅尔倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)制作样本集,再构建基于BiLSTM的声学模型学习样本集;最后用训练好的模型对猪声MFCC序列进行分类,实现生猪音频识别.结果表明:(1)通过5折交叉试验验证,5组模型总体识别率均达到90％,最高组为92.52％;(2)用样本集外语料对最优组模型进行算法应用测试,模型对进食、咳嗽、发情、嚎叫和哼叫的样本识别率分别为88.35％、93.65％、90.38％、88.46％、92.63％,总体识别率为90.70％.
文献关键词：
维纳滤波;梅尔倒谱系数;双向长短时记忆网络;声学模型;加权交叉熵函数
中图分类号：
作者姓名：
邵睿;彭硕;查文文;陈成鹏;辜丽川;焦俊
作者机构：
安徽农业大学信息与计算机学院,合肥 230036
文献出处：
引用格式：
[1]邵睿;彭硕;查文文;陈成鹏;辜丽川;焦俊-.基于BiLSTM的生猪音频识别)[J].合肥学院学报（综合版）,2022(02):113-119
A类：
加权交叉熵函数
B类：
BiLSTM,生猪,音频识别,种猪,维纳滤波,端点检测,得有,语料,梅尔倒谱系数,Mel,Frequency,Cepstral,Coefficient,MFCC,样本集,再构,声学模型,模型学习,练好,交叉试验,识别率,外语,算法应用,应用测试,进食,咳嗽,嚎叫,双向长短时记忆网络
AB值：
0.416105
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
