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

ID:53761716

大小:578.57 KB

页数:7页

时间:2020-04-24

基于Radon和平移不变性小波变换的鸟类声音识别-论文.pdf_第1页
基于Radon和平移不变性小波变换的鸟类声音识别-论文.pdf_第2页
基于Radon和平移不变性小波变换的鸟类声音识别-论文.pdf_第3页
基于Radon和平移不变性小波变换的鸟类声音识别-论文.pdf_第4页
基于Radon和平移不变性小波变换的鸟类声音识别-论文.pdf_第5页
资源描述:

《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

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。