基于MFCC和GMM的異常聲音識(shí)別算法研究.pdf

1、異常聲音識(shí)別是聲音識(shí)別系統(tǒng)中的一種，是應(yīng)用音頻波形中反映異常聲音的特征參數(shù)，自動(dòng)識(shí)別異常聲音的一種技術(shù)。聲音識(shí)別系統(tǒng)具有計(jì)算效率高，復(fù)雜度小，采集設(shè)備簡單，成本低，而且能更好的保護(hù)人們的隱私等優(yōu)點(diǎn)，它還可以和視頻監(jiān)控系統(tǒng)協(xié)作。因此，聲音識(shí)別技術(shù)是具有廣泛的應(yīng)用前景，值得很多人投身其研究中。
　　 本文針對異常聲音識(shí)別系統(tǒng)低識(shí)別率和高復(fù)雜度的問題，將梅爾頻率倒譜系數(shù)(Mel Frequency Cepstrum Coefficie

2、nts，簡稱MFCC)與短時(shí)能量混合特征應(yīng)用到異常聲音識(shí)別系統(tǒng)中。該混合特征使得高斯混合模型(Gaussian Mixture Model，簡稱GMM)分類器可獲得比使用MFCC特征及其差分MFCC更好的分類性能。分類器的平均識(shí)別率可達(dá)到90％以上，并且計(jì)算復(fù)雜度小。給出了系統(tǒng)實(shí)現(xiàn)的具體步驟，并通過仿真實(shí)驗(yàn)證明了該算法的有效性。
　　 在性能研究方面，分析了不同特征參數(shù)下異常聲音識(shí)別系統(tǒng)的識(shí)別率，獲得特征參數(shù)的性能與系統(tǒng)的識(shí)別率

3、相關(guān)的結(jié)果；此外還分析不同高斯混合階數(shù)下異常識(shí)別系統(tǒng)的識(shí)別率，獲得高斯密度個(gè)數(shù)的選擇與訓(xùn)練音頻數(shù)據(jù)量相關(guān)的結(jié)果；最后對比分析了最大期望(Expectation Maxinum，EM)和最小描述長度(Minimum DescriptionLength，MDL)算法，結(jié)果表明MDL算法能夠有更好的應(yīng)用空間。
　　 在系統(tǒng)構(gòu)建方面，本文用MATLAB實(shí)現(xiàn)了一個(gè)完整的異常聲音識(shí)別系統(tǒng)，包括音頻信號(hào)的預(yù)處理，特征提取以及分類器的訓(xùn)練和識(shí)別

4、。在預(yù)處理模塊中，對原始音頻進(jìn)行了歸一化，預(yù)加重，重疊分幀等處理；在特征提取模塊中，提取了MFCC，過零率(The Zero-Crossing Rate，ZCR)，短時(shí)能量(Short-Energy)，對數(shù)頻率倒譜系數(shù)(The Log Frequency Cepstral Coefficients，LFCC)等特征參數(shù)。在模型訓(xùn)練與識(shí)別模塊中，使用了高斯混合模型作為分類器，它與其他分類器相比，能更好的分辨出異常聲音的差別。該系統(tǒng)實(shí)現(xiàn)了對