基于MFCC和SVM的车窗电机异常噪声辨识方法研究

• 作者: 刘思思 易子馗 谭建平
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 车窗电机噪声 梅尔倒谱系数 支持向量机 汉宁自卷积窗 人工蜂群算法
• 年，卷（期）: 2017,（5）
• 页码范围: 102-107
• 页数: 6页
• 分类号: TP274|TM306
• 字数: 3976字
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2017.05.016

摘要

为提高车窗电机异常噪声特征提取的有效性及分类识别的准确性,提出一种以优化的梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)为特征值,以支持向量机(Support Vector Machine,SVM)为噪声辨识模型的电机异常噪声辨识方法.在MFCC提取方法基础上,针对频谱泄漏,用Hanning自卷积窗代替Hanning窗,获得优化的MFCC,并将其作为特征值输入到SVM进行异常噪声辨识.为提高SVM判别准确率,采用人工蜂群算法实现SVM参数选择优化.实验结果表明,该方法能够有效判别电机是否存在异响,准确率达到91％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭建平	中南大学高性能复杂制造国家重点实验室	250	1509	17.0	22.0
2	易子馗	中南大学高性能复杂制造国家重点实验室	9	40	4.0	6.0
3	刘思思	中南大学高性能复杂制造国家重点实验室	5	10	2.0	3.0