基于MFCC和GMM的昆虫声音自动识别

• 作者: 张真 竺乐庆
• 来源期刊: 昆虫学报
• 学科: 生物学
• 关键词: 昆虫 种类鉴定 声音处理 自动识别 梅尔倒谱系数 混合高斯模型
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 进化与系统学
• 页码范围: 466-471
• 分类号: Q967
• 语种: 中文

摘要

昆虫的运动、取食、鸣叫都会发出声音,这些声音存在种内相似性和种间差异性,因此可用来识别昆虫的种类.基于昆虫声音的昆虫种类自动检测技术对协助农业和林业从业人员方便地识别昆虫种类非常有意义.本研究采用了语音识别领域里的声音参数化技术来实现昆虫的声音自动鉴别.声音样本经预处理后,提取梅尔倒谱系数(Mel-frequency cepstrum coefficient,MFCC)作为特征,并用这些样本提取的MFCC特征集训练混合高斯模型(Gaussian mixture model,GMM).最后用训练所得到的GMM对未知类别的昆虫声音样本进行分类.该方法在包含58种昆虫声音的样本库中进行了评估,取得了较高的识别正确率(平均精度为98.95％)和较理想的时间性能.该测试结果证明了基于MFCC和GMM的语音参数化技术可以用来有效地识别昆虫种类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张真	中国林业科学研究院森林生态与保护研究所国家林业局森林保护重点实验室	74	894	19.0	26.0
2	竺乐庆	浙江工商大学计算机与信息工程学院	15	183	7.0	13.0