典型文献
基于多尺度梅尔倒谱系数的转辙机声信号状态识别方法
文献摘要：
为了准确地识别铁路转辙机所处的工作状态,保证列车能够安全行驶并转向,提出了一种基于声音信号的转辙机状态识别方法.首先将声音信号预处理后提取其梅尔倒谱系数(Mel frequency cepstrum coefficient,MFCC);为更加全面表征转辙机声信号的特点,对MFCC进行改进得到多尺度MFCC特征;引入卷积神经网络(convolutional neural network,CNN)构建转辙机声信号识别模型,并采用五折交叉验证法获得两种特征的识别准确率.将S700K型转辙机在4种状态下运行时采集的真实声音信号进行训练和测试.结果表明:多尺度MFCC特征可使转辙机声音状态识别准确率至少提高7.5％.并且在低信噪比(signal-to-noise ratio,SNR)下,多尺度MFCC特征也有更好的表现,其准确率相较传统MFCC可提升35％.
文献关键词：
梅尔倒谱系数(MFCC);卷积神经网络(CNN);交叉验证;状态识别;转辙机
中图分类号：
作者姓名：
姜琦;冯庆胜
作者机构：
大连交通大学自动化与电气工程学院,大连116028
文献出处：
引用格式：
[1]姜琦;冯庆胜-.基于多尺度梅尔倒谱系数的转辙机声信号状态识别方法)[J].科学技术与工程,2022(16):6680-6686
A类：
B类：
梅尔倒谱系数,转辙机,声信号,状态识别,工作状态,列车,安全行驶,声音信号,机状态,信号预处理,Mel,frequency,cepstrum,coefficient,MFCC,进得,convolutional,neural,network,信号识别,识别模型,五折交叉验证,交叉验证法,识别准确率,S700K,下运,少提,低信噪比,signal,noise,ratio,SNR
AB值：
0.328997
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。
