[發明專利]一種基于MFCC算法的朱鹮個體識別方法在審
| 申請號： | 201410338974.0 | 申請日： | 2014-07-16 |
| 公開（公告）號： | CN104102923A | 公開（公告）日： | 2014-10-15 |
| 發明（設計）人： | 王民;張立材;王佳麗;王稚慧;張煒煒;衛名斐;曹清菁;要趁紅;趙偉 | 申請（專利權）人： | 西安建筑科技大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G10L17/26 |
| 代理公司： | 西安通大專利代理有限責任公司 61200 | 代理人： | 蔡和平 |
| 地址： | 710055*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 mfcc 算法 朱鹮 個體 識別 方法 | ||
1.一種基于MFCC算法的朱鹮個體識別方法，其特征在于，包括以下步驟：
A、鳴聲信號的訓練識別：
A1、錄取的N只朱鹮的鳴聲信號，每只朱鹮錄取兩種不同鳴聲信號；將錄取的N只朱鹮的鳴聲信號分為兩組，一組鳴聲作為訓練樣本，一組鳴聲作為測試樣本；
A2、用數字濾波器分別對兩組語音數據進行預加重，再對其進行分幀加窗操作后進行端點檢測，然后逐幀計算鳴聲信號的MFCC系數，并將其保存；
A3、構造一個三層的小波神經網絡，設置初始的網絡參數：網絡結構為72-14-10，學習速率為0.8，訓練誤差精度為0.001；
A4、對每只朱鹮的語音特征系數采用小波神經網絡算法來訓練網絡，同時用遺傳算法來優化神經網絡的權值；
A5、設定參數：種群規模pop_size＝100，交叉概率pc＝0.6，變異概率pm＝0.01；
A6、隨機產生一組實值串種群，每一個個體由網絡的初始權值構成；
A7、對實值串中的個體進行解碼，生成相應的網絡結構，網絡結構為72-14-10；
A8、運行網絡，根據下式計算群體個體的適應度值，評價網絡性能；
其中E為小波神經網絡的輸出誤差，n為訓練樣本總數，yp和分別為第P個個體的訓練樣本輸出和實際輸出向量；
A9、根據每個個體適應度，從群體中選擇出兩個適應度最大的以概率pc執行交叉操作，再以遺傳概率pm進行變異操作，由此產生出兩個新的個體；采用這種方法，依次遺傳產生出新個體，如此迭代，產生下一代種群，形成下一代網絡；
A10、直到網絡收斂并達到期望的訓練誤差精度0.001，則停止進化，保存最優權值，輸出結果，每個語音信號對應一組網絡權值，否則重復操作步驟A7～步驟A9；
A11、訓練結束后獲得所有朱鹮鳴聲的訓練樣本輸出矩陣；
B、對待識別的朱鹮鳴聲信號進行預處理；
C、對進行預處理后的鳴聲信號進行特征參數的提取：采用MFCC特征參數；
D、在步驟A訓練后的神經網絡的輸入層中輸入步驟C提取的語音特征參數系數，重復步驟A5至A10得到待識別朱鹮鳴聲信號對應的一組網絡權值，調用該網絡權值計算出網絡輸出矩陣，與訓練樣本輸出矩陣逐一比較，誤差最小的那個語音信號為識別結果。
2.根據權利要求1所述的一種基于MFCC算法的朱鹮個體識別方法，其特征在于，步驟B具體包括以下步驟：
B1、對采集的單個朱鹮的鳴聲信號進行預加重；
B2、將進行預加重后的鳴聲信號進行加窗分幀；
B3、對進行加窗分幀處理后的鳴聲信號進行端點檢測，從而判斷信號的起始點與終止點。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西安建筑科技大學，未經西安建筑科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201410338974.0/1.html，轉載請聲明來源鉆瓜專利網。
