典型文献
基于MFCC加权动态特征组合的声纹识别技术在地下电缆防护的应用
文献摘要：
地下电缆在使用过程中,容易受到工程车辆作业破坏,针对这种情况,文章提出将声纹识别技术应用在地下电缆防护中,通过收集环境声音,判断电缆周围是否存在工程车辆作业,及时向有关部门发出预警.在声纹识别过程中,提出加权动态梅尔频率倒谱系数(mel frequency cepstrum coe?cient,MFCC)作为声纹识别的特征参数,由梅尔倒谱系数及其加权的一阶和二阶差分系数合并而成,不仅能够反映音频信号的静态特性,还在很大程度上逼近音频的动态特性,并且与常用的特征参数相比,计算复杂程度更低.通过实验证明,以加权动态MFCC特征参数作为高斯混合模型–通用背景模型(gaussian mixture model-universal background,GMM-UBM)的特征参数的工程车辆识别系统,能够在提高识别率的情况下,大大降低系统的运行时间,以此实现地下电缆防护.
文献关键词：
地下电缆防护;声纹识别;MFCC;加权动态MFCC;GMM-UBM
中图分类号：
作者姓名：
李伟;曾繁洋;王博;陈忠斌
作者机构：
华东交通大学 电气与自动化工程学院,江西 南昌 330013;中国科学院上海微系统与信息技术研究所,上海 200050;中科伟博(苏州)智能科技有限公司,江苏 苏州 215615
文献出处：
引用格式：
[1]李伟;曾繁洋;王博;陈忠斌-.基于MFCC加权动态特征组合的声纹识别技术在地下电缆防护的应用)[J].电力信息与通信技术,2022(05):16-22
A类：
地下电缆防护,工程车辆识别
B类：
MFCC,动态特征,特征组合,声纹识别技术,环境声音,断电,识别过程,梅尔频率倒谱系数,mel,frequency,cepstrum,coe,cient,梅尔倒谱系数,二阶差分,差分系数,音频信号,静态特性,逼近,动态特性,复杂程度,高斯混合模型,背景模型,gaussian,mixture,model,universal,background,GMM,UBM,识别系统,识别率,大大降低,运行时间
AB值：
0.320309
相似文献
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。
