一种基于EEMD的异常声音识别方法

• 作者: 宁方立 韦娟 顾兴权
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 异常声音识别 集合经验模态分解 多层特征 深度卷积神经网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 研究报告
• 页码范围: 112-117
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13190/j.jbupt.2020-075

摘要

为了优化组合特征在异常声音识别中的效率,提出一种用集合经验模态分解(EEMD)对异常声音帧信号进行有效性检测和提取多层特征的算法.首先对异常声音帧信号进行集合经验模态分解,得到固有模态函数;然后根据给定的固有模态函数层数阈值,对该帧信号进行有效性检测;再对有效帧信号的每一层固有模态函数提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、线性预测倒谱系数、短时能量和能量比,并将它们归一化后拼接成多层特征.根据提取的特征,用深度卷积神经网络实现异常声音识别分类.仿真结果表明,提出的新方法在4类异常声音识别中的识别率可以达到98.65％.