基于改进的神经网络异常声音自动识别系统研究

• 作者: 刘付喜 曹坚 邹斌斌
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 声音识别 粒子群优化 BP神经网络 MFCC 差分MFCC
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 软件开发与应用
• 页码范围: 120-122
• 页数: 3页
• 分类号: TP311.5
• 字数: 2452字
• 语种: 中文

摘要

针对标准的BP神经网络对于声音信号识别率不高的问题,提出了一种用粒子群算法(PSO)优化BP神经网络的算法,建立了声音信号识别模型.PSO优化BP神经网络主要是用PSO来优化BP神经网络的初始权值和阈值,然后通过训练BP神经网络得到识别模型的最优解,优化后的神经网络具有误判率小、反应速度快等特点.在实验中把标准的BP神经网络和PSO优化后的BP神经网络用于八种异常声音的MFCC特征量和差分MFCC特征量识别,结果表明:在声音信号的识别系统中采用PSO优化BP神经网络的算法提高了系统的识别性能,达到了系统设计的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹坚	嘉兴学院机电工程学院	29	118	5.0	9.0
2	邹斌斌	嘉兴学院机电工程学院	3	4	1.0	2.0
3	刘付喜	嘉兴学院机电工程学院	2	6	2.0	2.0