-
公开(公告)号：CN106228979A
公开(公告)日：2016-12-14
申请号：CN201610674982.1
申请日：2016-08-16
Applicant: 重庆大学
Abstract: 本发明涉及一种公共场所异常声音的提取及识别方法，对极点对称模态分解(ESMD)进行改进，简称D-ESMD，其特点是：在公共场所异常声音中加入随机T分布序列信号，减小公共场所背景噪声对异常声音特征提取的影响；针对原始ESMD在分解异常声音时，分解效果欠佳的问题，提出对称中点插值替代极值中点奇偶插值方法，提高异常声音分解效率与识别率；针对原始ESMD在有效分解模态选择上的缺陷，提出基于排列熵算法对ESMD分解得到的模态进行复杂性检测，自适应得到异常声音有效模态分量。利用本发明可以充分描述异常声音的特征，并得到较好的分类识别结果，更能够准确提取异常声音的特征，并且对环境背景噪声具有较好的鲁棒性。
-
公开(公告)号：CN106228979B
公开(公告)日：2020-01-10
申请号：CN201610674982.1
申请日：2016-08-16
Applicant: 重庆大学
Abstract: 本发明涉及一种公共场所异常声音的提取及识别方法，对极点对称模态分解(ESMD)进行改进，简称D‑ESMD，其特点是：在公共场所异常声音中加入随机T分布序列信号，减小公共场所背景噪声对异常声音特征提取的影响；针对原始ESMD在分解异常声音时，分解效果欠佳的问题，提出对称中点插值替代极值中点奇偶插值方法，提高异常声音分解效率与识别率；针对原始ESMD在有效分解模态选择上的缺陷，提出基于排列熵算法对ESMD分解得到的模态进行复杂性检测，自适应得到异常声音有效模态分量。利用本发明可以充分描述异常声音的特征，并得到较好的分类识别结果，更能够准确提取异常声音的特征，并且对环境背景噪声具有较好的鲁棒性。
-
公开(公告)号：CN108182950A
公开(公告)日：2018-06-19
申请号：CN201711462639.1
申请日：2017-12-28
Applicant: 重庆大学
Abstract: 本发明提出改进的经验小波变换的公共场所异常声音特征分解与提取方法，具体是对原始异常声音信号的傅里叶频谱通过模拟等效矩形带宽尺度的方法进行划分，根据划分后的边界得到固定边界的等效矩形带宽经验小波变换滤波器组，用该滤波器组分解原始异常声音信号，得到其不同频率分量；计算原始异常声音信号的不同频率分量相对于原始异常声音信号的能量熵，将归一化处理后的能量熵作为原始异常声音信号的特征向量。
-
公开(公告)号：CN108182950B
公开(公告)日：2021-05-28
申请号：CN201711462639.1
申请日：2017-12-28
Applicant: 重庆大学
Abstract: 本发明提出改进的经验小波变换的公共场所异常声音特征分解与提取方法，具体是对原始异常声音信号的傅里叶频谱通过模拟等效矩形带宽尺度的方法进行划分，根据划分后的边界得到固定边界的等效矩形带宽经验小波变换滤波器组，用该滤波器组分解原始异常声音信号，得到其不同频率分量；计算原始异常声音信号的不同频率分量相对于原始异常声音信号的能量熵，将归一化处理后的能量熵作为原始异常声音信号的特征向量。
-
-
-
Search Results
4
records
(took 0.033 seconds)
