典型文献
融合MFCC和IMFCC特征的电厂设备声音识别算法
文献摘要：
为实现非接触式的电厂设备状态监测,文中提出一种将梅尔频率倒谱系数(MFCC)和翻转梅尔频率倒谱系数(IMFCC)两种特征中的部分特征联合作为特征参数,利用多分类支持向量机(SVM)进行参数分类的识别方法.该方法首先对数据集中的声音信号进行预处理操作;然后通过两种特征提取方法生成特征参数,计算生成两种特征每一维的类内均值和类间方差;最后根据阈值选择特征,对选择的两种特征进行线性叠加,从而得到融合特征.实验结果表明,在ESC-50部分数据集和电厂采集数据集上,相对于另外两种特征,融合特征维数更少,识别率更高,并且在训练样本较少的情况下能达到更好的分类效果.
文献关键词：
特征融合;声音识别;参数分类;信号预处理;非接触式监测;特征参数生成;状态监测;数据采集
中图分类号：
作者姓名：
翟永杰;彭雅妮;杨旭;胡东阳;王新颖
作者机构：
华北电力大学 自动化系,河北 保定 071003;华北电力大学 计算机系,河北 保定 071003
文献出处：
引用格式：
[1]翟永杰;彭雅妮;杨旭;胡东阳;王新颖-.融合MFCC和IMFCC特征的电厂设备声音识别算法)[J].现代电子技术,2022(08):6-12
A类：
IMFCC,特征参数生成
B类：
电厂设备,声音识别,识别算法,设备状态监测,梅尔频率倒谱系数,分特征,特征联合,多分类支持向量机,参数分类,声音信号,类间方差,阈值选择,线性叠加,融合特征,ESC,采集数据,识别率,训练样本,分类效果,特征融合,信号预处理,非接触式监测
AB值：
0.335768
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。
