基于声信号的履带机器人地面分类试验研究

• 作者: 刘锋 孙晋伟 王玉帅 董明明 赵凯 顾亮
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 履带机器人 地面分类 声信号 梅尔频率倒谱系数 支持向量机
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 机械工程
• 页码范围: 912-916
• 页数: 5页
• 分类号: TP242
• 字数: 2134字
• 语种: 中文
• DOI: 10.15918/j.tbit1001-0645.2018.09.006

摘要

为了拓展地面识别方式及提升识别率,提出利用履带机器人行驶噪声进行地面类型识别.使用声压传感器采集履带机器人在行驶过程中与地面相互作用辐射的声音信号,对声音信号提取修正的梅尔频率倒谱系数(MFCC)及其一阶差分(AMFCC)使用优化后的支持向量机(SVM)进行分类,并测试了该方法在多种背景噪声环境下的效果.结果表明,行驶噪声包含能够表征地面特点的信息.相比于幅域、频域和时频域特征,修正的MFCC+ AMFCC特征具有明显优势.在校园环境中分类准确率达到了89.5％,当信噪比高于20 dB时,在多种背景噪声环境中分类准确率均达到80％左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾亮	北京理工大学机械与车辆学院	140	1386	20.0	30.0
2	董明明	北京理工大学机械与车辆学院	35	160	7.0	10.0
3	刘锋	北京理工大学机械与车辆学院	21	249	7.0	15.0
4	孙晋伟	北京理工大学机械与车辆学院	4	8	1.0	2.0
5	赵凯	北京理工大学机械与车辆学院	8	18	2.0	3.0
6	王玉帅	北京理工大学机械与车辆学院	2	1	1.0	1.0