智能保健监测系统中音频信号的分类算法研究

• 作者: 李玲俐
• 来源期刊: 重庆师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 音频信号 Mel频率倒谱系数 特征提取 隐马尔可夫模型 分类
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 理论与应用研究
• 页码范围: 73-76
• 分类号: TP391.42
• 字数: 3779字
• 语种: 中文

摘要

针对Mel频率倒谱系数(MFCCs)信息在区分音频信号时的局限性,提出一种基于不同特征提取技术的两级分类策略,对智能保健监测系统的9种音频信号进行分类.分类的第一级采用MFCCs及其变化率(△MFCCs)作为隐马尔可夫模型(HMM)的输入.在第二级,将不同频段的功率谱密度的一阶差分均值和标准差作为分类的特征.实验结果表明,功率谱密度的一阶差分包含了MFCCs所不含有的重要分类信息,该方法使得实时保健监测系统的平均分类准确度高达97.37％,具有较好的鲁棒性和分类准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玲俐	广东司法警官职业学院信息管理系	24	194	5.0	13.0