典型文献
基于MFCC的汽车敲击异响识别
文献摘要：
现阶段,汽车异响的诊断主要依赖有经验的工程师进行主观评判,存在不准确、易错判、易漏判的问题.针对汽车敲击异响实测信号进行统计分析得到梅尔倒谱系数(Mel frequency cepstrum coefficient,MFCC),并以此作为表征异响来源的特征向量,基于最大似然估计法构建其联合概率分布高斯混合模型(Gaussian mixture model,GMM),从而针对未知实测异响信号可利用该GMM模型进行似然判别.指出了说话人识别技术与敲击异响识别的不同之处即Mel三角滤波器个数和离散余弦变换输出系数个数的选取方式,并对方法的可行性进行分析,最后试验加以验证.结果显示此方法的识别率达100％,拒绝率达100％以上,为汽车异响的客观评价方法打下基础.
文献关键词：
说话人识别;敲击异响;梅尔倒谱系数(MFCC);高斯混合模型(GMM)
中图分类号：
作者姓名：
黄凯;郑瑶辰;邓兆祥
作者机构：
重庆大学 机械与运载工程学院,重庆 400044;中国汽车工程研究院股份有限公司,重庆 401122;汽车振动噪声与安全技术国家重点实验室,重庆 401122
文献出处：
引用格式：
[1]黄凯;郑瑶辰;邓兆祥-.基于MFCC的汽车敲击异响识别)[J].振动与冲击,2022(13):275-282
A类：
B类：
MFCC,敲击异响,汽车异响,易错,错判,漏判,实测信号,梅尔倒谱系数,Mel,frequency,cepstrum,coefficient,特征向量,最大似然估计法,联合概率分布,高斯混合模型,Gaussian,mixture,model,GMM,说话人识别,不同之处,滤波器,离散余弦变换,输出系数,数个,选取方式,识别率,拒绝率,客观评价方法,打下基础
AB值：
0.373198
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。
