|
|
1.
基于Mel子带参数化特征的自动鸟鸣识别
张赛花, 赵兆, 许志勇, 张怡
计算机应用
2017, 37 (4):
1111-1115.
DOI: 10.11772/j.issn.1001-9081.2017.04.1111
针对自然复杂声学环境下基于鸟鸣的物种分类问题，提出了一种基于Mel子带参数化特征的鸟鸣自动识别方法。采用高斯混合模型（GMM）拟合连续声学监测数据分帧后的对数能量分布，选取高似然率的数据帧组成候选声音事件完成自动分段。在谱图域对相应片段采用Mel带通滤波器组滤波处理，然后基于自回归模型（AR）分别建模各个子带输出的随时间变化的能量序列，得到能够描述不同种类鸟鸣信号时频特性的参数化特征。最后利用支持向量机（SVM）分类器进行分类识别。基于野外自然环境11种鸟鸣信号开展了自动分段与识别实验，所提方法针对各类鸟鸣的查准率、查全率以及
F1度量均不低于89%，明显优于现有基于纹理特征的方法，更适用于野外鸟类连续声学监测领域的自动数据分析需求。
参考文献 |
相关文章 |
多维度评价
|
|
