公开(公告)号：CN103489446B

公开(公告)日：2016-01-06

申请号：CN201310470092.5

申请日：2013-10-10

Applicant: 福州大学

Inventor： 李应 ,  张小霞

IPC: G10L17/26 ,  G10L17/02

Abstract: 本发明涉及一种复杂环境下基于自适应能量检测的鸟鸣识别方法，其特征在于包括以下步骤：步骤1，根据鸟叫声频率分布情况将声音分成三个频带；步骤2，对包含有噪声的鸟鸣声音信号用基于噪声功率谱估计和前景声音存在概率的自适应能量检测方法检测并筛选出有用鸟鸣信号；步骤3，根据Mel尺度的分布，对有用鸟鸣信号提取Mel尺度的小波包分解子带倒谱系数（WPSCC）特征；步骤4，用支持向量机（SVM）分类器分别对提取的Mel尺度的小波包分解子带倒谱系数（WPSCC）和麦尔频率倒谱系数（MFCC）特征进行建模分类识别。通过该方法提取的WPSCC特征具有较好的抗噪功能，且经过自适应能量检测后的识别性能更佳，更适用于复杂环境下的鸟鸣识别，对复杂环境下含噪鸟鸣声音具有较好的分类识别效果。

公开(公告)号：CN103489446A

公开(公告)日：2014-01-01

申请号：CN201310470092.5

申请日：2013-10-10

Applicant: 福州大学

Inventor： 李应 ,  张小霞

IPC: G10L17/26 ,  G10L17/02

Abstract: 本发明涉及一种复杂环境下基于自适应能量检测的鸟鸣识别方法，其特征在于包括以下步骤：步骤1，根据鸟叫声频率分布情况将声音分成三个频带；步骤2，对包含有噪声的鸟鸣声音信号用基于噪声功率谱估计和前景声音存在概率的自适应能量检测方法检测并筛选出有用鸟鸣信号；步骤3，根据Mel尺度的分布，对有用鸟鸣信号提取Mel尺度的小波包分解子带倒谱系数（WPSCC）特征；步骤4，用支持向量机（SVM）分类器分别对提取的Mel尺度的小波包分解子带倒谱系数（WPSCC）和麦尔频率倒谱系数（MFCC）特征进行建模分类识别。通过该方法提取的WPSCC特征具有较好的抗噪功能，且经过自适应能量检测后的识别性能更佳，更适用于复杂环境下的鸟鸣识别，对复杂环境下含噪鸟鸣声音具有较好的分类识别效果。