基于MF‑PLPCC特征的工程机械声音识别方法技术

本发明专利技术公开了一种基于MF‑PLPCC特征对工程机械声音识别方法。该方法实现过程如下：采集工程机械作业时候的声音和周围环境噪声，并将采集的声音信号建立声音样本库；对所有的声音信号进行预加重、分帧和加窗处理；求出每帧声音信号的短时能量谱；求出通过Mel三角滤波器组的短时能量；用立方根对短时能量进行强度‑响度转换；对转换后的信号采用傅里叶逆变换转换到时域中；求出时域中信号的线性预测系数；基于线性预测系数计算倒谱系数；对不同机械的声音特征进行标号，建立样本特征库；基于训练样本特征库，利用正则化极限学习机建立模型；对目标声音进行特征提取后匹配得出分类结果。本发明专利技术能够提高识别率。

Engineering machinery MF voice recognition method based on PLPCC features

The invention discloses a MF PLPCC feature based on voice recognition method of Engineering machinery. The implementation process is as follows: sound and ambient noise, acquisition of construction machinery operation time, and the voice signal acquisition to establish sound sample library; the sound signal in all of the pre emphasis, framingandwindowing treatment; calculate the short-time energy of each frame sound signal obtained by the short-time energy spectrum; Mel triangle filter group of short-time energy intensity; loudness conversion using the cube root; converted signal by Fourier transform into time domain; for linear time domain signal prediction coefficient; calculation coefficient based on linear prediction cepstral coefficients; label on the sound characteristics of different machinery, establish the sample feature database; training feature library based on the regularized extreme learning machine model; feature extraction of target noise, the classification results obtained. The invention can improve the recognition rate.

【技术实现步骤摘要】
基于MF-PLPCC特征的工程机械声音识别方法
本专利技术是属于声音识别
，涉及到基于声音的梅尔感知线性预测倒谱系数(MF-PLPCC)对工程机械的识别方法。
技术介绍
随着我国经济的快速发展，基础设施建设也在加快，而在基础设施建设的工程施工过程中工程机械早已取代了大部分的体力劳动。在高速公路、机场铁路建设、水利设施、城市改造等工地，我们都可以看到挖掘机、推土机等工程机械。然而在施工过程中，监管不到位，从而导致工程机械出现瞎施工、乱施工、重复施工等乱象，浪费国家资源的同时也增加了工程成本。由于监管不到位而出现的这些乱象，本专利技术提出了一种识别方法对工程机械的识别，从而实现了对工程机械的监控。基于声音的工程机械的识别方法有多种，例如：线性预测倒谱系数(LPCC)、感知线性预测倒谱系数(PLPCC)、梅尔倒谱系数(MFCC)结合分类器等识别方法。这些方法在近距离或者信噪比高的情况下能够反映声音的大部分信息，对工程机械的识别率可能很高，但是在远距离或者信噪比低的情况下提取工程机械声音的特征量较少，从而降低了识别率。
技术实现思路
针对目前存在如上所述的技术问题，本专利技术提供了一种基于本文档来自技高网...

【技术保护点】
基于MF‑PLPCC特征对工程机械声音识别方法，其特征在于包括以下步骤：步骤1、采集工程机械作业时候的声音和周围环境噪声，并将采集的声音信号建立声音样本库；步骤2、对声音样本库中所有的声音信号进行预加重、分帧和加窗处理；步骤3、求出经过步骤2处理后的每帧声音信号的短时能量谱；步骤4、基于短时能量谱求出通过Mel三角滤波器组的短时能量；步骤5、用立方根对短时能量进行强度‑响度转换；步骤6、对转换后的信号采用傅里叶逆变换转换到时域中；步骤7、求出时域中信号的线性预测系数；步骤8、基于线性预测系数计算倒谱系数，即所求的声音特征；步骤9、对不同机械的声音特征进行标号，建立样本特征库；步骤10、基于训练...

【技术特征摘要】
1.基于MF-PLPCC特征对工程机械声音识别方法，其特征在于包括以下步骤：步骤1、采集工程机械作业时候的声音和周围环境噪声，并将采集的声音信号建立声音样本库；步骤2、对声音样本库中所有的声音信号进行预加重、分帧和加窗处理；步骤3、求出经过步骤2处理后的每帧声音信号的短时能量谱；步骤4、基于短时能量谱求出通过Mel三角滤波器组的短时能量；步骤5、用立方根对短时能量进行强度-响度转换；步骤6、对转换后的信号采用傅里叶逆变换转换到时域中；步骤7、求出时域中信号的线性预测系数；步骤8、基于线性预测系数计算倒谱系数，即所求的声音特征；步骤9、对不同机械的声音特征进行标号，建立样本特征库；步骤10、基于训练样本特征库，利用正则化极限学习机建立模型；步骤11、重复步骤1-步骤8，对目标声音进行MF-PLPCC特征提取；步骤12、利用正则化极限学习机对提取的目标声音特征和步骤10建立的模型进行匹配，然后得出分类结果；步骤13、根据分类结果，判断目标声音是哪种机械在作业或者是周围噪。2.根据权利要求1所述的基于MF-PLPCC特征对工程机械声音识别方法，其特征在于所述的步骤2对采集的声音信号作预加重，具体的：设声音信号为x(n)，采样率为fs，预加重处理后的信号为x(n)＝x(n)-k*x(n-1)，其中k为预加重系数，k介于0.9～1之间；然后对预加重后的信号做分帧和加窗处理。3.根据权利要求1所述的基于MF-PLPCC特征对工程机械声音识别方法，其特征在于所述的步骤3求出每帧声音信号的短时能量谱，具体如下：将经过步骤2处理得到的声音信号做短时傅里叶变换，然后根据频谱求出短时能量谱，设第ii帧信号为si(n)，对该帧信号作短时傅里叶变换得到Xi(k)，通过计算得到短时能量谱为Pi(k)Pi(k)＝Re[Xi(k)]2+Im[Xi(k)]2。4.根据权利要求1所述的基于MF-PLPCC特征对工程机械声音识别方法，其特征在于所述的步骤4基于短时能量谱求出通过Mel三角滤波器组的短时能量，具体的：将短时能量谱通过一组Mel尺度的三角滤波器组，得到Mel频谱的短时能量Si(m)；定义三角滤波器组的中心频率为f(m),m＝1,2,…M，其中M为滤波器的个数，各个中心频率f(m)之间的间隔随着m值的增大而增宽。5.根据权利要求1所述的基于MF-PLPCC特征对工程机械声音识别方法，其特征在于所述的步骤5用立方根对短时能量进行强度-响度转换，具体如下：...

【专利技术属性】
技术研发人员：曹九稳，曹敏，王建中，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33