基于Radon和平移不变性小波变换的鸟类声音识别-论文.pdf

《基于Radon和平移不变性小波变换的鸟类声音识别-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、JournalofComputerApplicationsISSN1001．90812014—05．10计算机应用，2014，34(5)：1391—1396，1417CODENJYIIDUhttp：／／www．joca．cn文章编号：1001—9081(2014)05—1391—06doi：10．11772／j．issn．1001-9081．2014．05．1391基于Radon和平移不变性小波变换的鸟类声音识别周晓敏，李应。(福州大学数学与计算机科学学院，福州350108)(通信作者电子邮箱fj_liying@fzu．edu．CI1)摘要：针对低信噪比(SNR)环境

2、下鸟叫声识别率不够高的问题，提出一种对声谱图进行Radon变换(RT)和平移不变性离散小波变换(TIDWI')的抗噪型鸟类声音识别技术。首先，使用改进的多频带谱减法对鸟叫声进行降噪处理；其次，利用短时能量检测降噪后的鸟叫声的静音段，并去除静音段；接着，将去除静音段的声音信号转化为声谱图，并对声谱图进行RT和TIDWF，提取特征值；最后，采用支持向量机(SVM)分类器对提取的特征值进行分类识别。实验结果表明，该方法在信噪比为10dB及以下仍可以达到较好的识别效果。关键词：鸟类声音识别；多频带谱减法；短时能量；Radon变换；平移不变性离散小波变换；特征提取中图分类号：T

3、P391．4文献标志码：ABirdsoundsrecognitionbasedonRadonandtranslationinvariantdiscretewavelettransfcIrmZHOUXiaomin，LIYing(CollegeofMathematicsandComputerScience，FuzhouUniversity,FuzhouFujian350108，China)Abstract：ToimprovetheaccuracyofbirdsoundsrecognitioninlowSignal-to-NoiseRatio(SNR)environment

4、，anewbirdsoundsrecognitiontechnologybasedonRadonTransform(RT)andTranslationInvafiantDiscreteWaveletTransform(TIDWT)fromspectrogramafterthenoisereductionwasproposed．First，animprovedmuhi—bandspectralsubtractionmethodwaspresentedtoreducethebackgroundnoise．Second，sh0rt—timeenergywasusedtode

5、tectsilenceofcleanbirdsound，andthesilencewasremoved．Then，thebirdsoundwastranslatedintospectrogram，RTandTIDWTwereusedtoextractfeatures．Finally，classificationwasachievedbySuppo~VectorMachine(SVM)classifier．TheexperimentalresuhsshowthatthemethodcanachievebetterrecognitionefecteventheSNRbel

6、ows10dB．Keywords：birdsoundsrecognition；multi-bandspecialsubtractionmethod；short—timeenergy；RadonTransform(RT)；TranslationInvariantDiscreteWaveletTransforiB(TIDWT)；featureextraction主成分分析(PrincipalComponentAnalysis，PCA)和线性判别0引言分析后，利用高斯混合模型(GaussianMixtureModel，GMM)生态环境中的鸟类声音广泛存在，而且蕴含着丰富的信

7、和矢量量化(VectorQuantization，VQ)进行分类；Wielgat等息。这些声音不仅可以反映生态环境中各鸟类的生命活动，利用MFCC提取特征值，然后经过粗滤特征值后，利用隐马尔也能反映鸟类随季节变化而变化的生活习性，同时可以对鸟可夫模型(HiddenMarkovModel，HMM)分类器识别不同种类类的生存环境进行分析。所以可以通过鸟类声音的识别技术的鸟叫声；Juang等提出一种基于预测的单型周期性模糊侦查鸟类的生存情况、稀有程度以及鸟类周边的生态环境。神经网络(Singleton—typeRecurrentNeuralFuzzyNet