典型文献
基于GFCC-SVM-RFE的电力设备声音特征提取方法
文献摘要：
火电厂电力设备声音包含了丰富的有效信息,但受限于复杂环境噪声,使得有效特征提取极其困难.为解决这一问题,文章提出一种基于GFCC-SVM-REF的特征提取方法,并在现场采集的6种设备运行声音、加入ESC-50公共数据集中的环境干扰音以及对原始设备声音加入不同分贝的高斯白噪声这3类数据上对2种经典语音识别领域的特征提取方法进行抗噪性和准确性的对比.仿真结果表明,针对所研究的数据集,GFCC-SVM-RFE方法在10 dB和20 dB的高斯白噪声下分别达到了81.04％和96.88％的准确率.
文献关键词：
电力设备;声音特征提取;环境噪音;梅尔频率倒谱系数;伽马通频率倒谱系数;支持向量机递归特征消除
中图分类号：
作者姓名：
王赵国;韦存海;彭雅妮;武明路;李军彬;翟永杰
作者机构：
国家电投集团电站运营技术(北京)有限公司,北京 100000;石家庄良村热电有限公司,河北 石家庄 050000;华北电力大学 自动化系,河北 保定 071003
文献出处：
引用格式：
[1]王赵国;韦存海;彭雅妮;武明路;李军彬;翟永杰-.基于GFCC-SVM-RFE的电力设备声音特征提取方法)[J].电力信息与通信技术,2022(09):34-42
A类：
声音特征提取,伽马通频率倒谱系数
B类：
GFCC,RFE,火电厂,电厂电力设备,有效信息,受限于,复杂环境,环境噪声,得有,有效特征,REF,现场采集,设备运行,ESC,公共数据,环境干扰,分贝,高斯白噪声,语音识别,抗噪性,dB,环境噪音,梅尔频率倒谱系数,支持向量机递归特征消除
AB值：
0.358167
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。
