基于MFCC与改进ACF的汽车声音识别算法研究

• 作者: 蒋翠清 邵宏波
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 汽车声音识别 梅尔倒谱系数 自相关函数 高斯混合模型
• 年，卷（期）: 2015,（2）
• 页码范围: 140-143
• 页数: 4页
• 分类号: TP18
• 字数: 3584字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.02.032

摘要

汽车声音识别是汽车声源定位等研究的基础，对交通事故鉴定、犯罪举证和犯罪现场还原等具有重要意义。现有汽车声音识别算法存在算法复杂度高和识别率相对较低等问题。针对现行问题，将以梅尔倒谱系数( MFCC)特征与自相关函数(ACF)方差作为混合特征的汽车声音识别算法应用到汽车声音识别系统中。该算法使用高斯混合模型(GMM)进行汽车声音建模和识别，获得比MFCC特征及其一阶差分特征组成的混合特征更好的识别效果。并通过仿真实验证明了该算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋翠清	合肥工业大学管理学院	62	637	15.0	22.0
2	邵宏波	合肥工业大学管理学院	1	4	1.0	1.0