基于能量检测的复杂环境下的鸟鸣识别

　　　　　　　　　　　　　　　　　 　　　 　：　　　　　　　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　。　　，　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　；　　，　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　（WPSCC）　　；　　，　　　　　　（SVM）　　　　　　　　　　　　　　　　　　　　（WPSCC）　　　　　　　　　（MFCC）　　　　　　　　　　。　　　　　　　　　　　　　　　　　　 15　　　　　　　　　　　　　　　　　。　　　　　　，　　　 WPSCC　　　　　　　　　　　，　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　。 　　　　　：　　　　；　　　　　　　　　　　；　　　　　　　　；　　　　　；　　　　 　　0 　　 　　　　　　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　。　　　　　　　　、　　　　　　　　　　　　　　　　，　　　　　　　　　　　、　　　　　　　　，　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　。 　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　　。　　[1]　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　。　　[2]　　　　　　　　　　　　　　　www.taodocs.com　　　　　　　　　　　　　　　　　　　　　　　　 　　　 　：　　　　　　　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　。　　，　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　；　　，　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　（WPSCC）　　；　　，　　　　　　（SVM）　　　　　　　　　　　　　　　　　　　　（WPSCC）　　　　　　　　　（MFCC）　　　　　　　　　　。　　　　　　　　　　　　　　　　　　 15　　　　　　　　　　　　　　　　　。　　　　　　，　　　 WPSCC　　　　　　　　　　　，　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　。 　　　　　：　　　　；　　　　　　　　　　　；　　　　　　　　；　　　　　；　　　　 　　0 　　 　　　　　　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　。　　　　　　　　、　　　　　　　　　　　　　　　　，　　　　　　　　　　　、　　　　　　　　，　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　。 　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　　。　　[1]　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　。　　[2]　　　　　　　　　　　　　　　www.taodocs.com　　　　　　　

　　，　　　　　　　　　　　　　　　　　　　（ Maximum APosteriori， MAP）　　　　　　　　 KullbackLeibler　　　　　　　　　　　　　　　　　　　　　　。　　[3]　　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　、　　　　　　　　（MelFrequency Cepstrum Coefficient， MFCC）　　　　　　　　　　　，　　　　　　　　　（Dynamic Time Warping， DTW）、　　　　　　（Gaussian Mixture Model， GMM）　　　　　　　　（Hidden Markov Model， HMM）　　　　　　　　　　　　　　　　　　　　　。　　　　　　　　，　　　　　　　　　　　　　　　　　　。　　[4]　　　　　　　　　　　　　　（Wavelet Packet Decomposition， WPD）　　　　　　　，　　　　　　　　　　　（SelfOrganizing Map， SOM）　　　　　　　（MultiLayer Perceptron， MLP）　　　　　　　　　　　　　　　　　　　　　　　　　　。　　[5]　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　，　　　　　　　　　　　，　　　　　　　　　　　。　　[6]　　　　　　　　　　　　　　　，　 GMM　　　　，　　　　　　　　　　　　　　　 95　　　　 165　　　　　　　　　　　　　　　　　　　。 　　　　　　　　　　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　，　　　　　　　　　　。　　　　　　　　　　　　　　　　　　，　　　　　　　　　，　　　　　　　　　　　。　　　　　　　　　　，　　　　　　　　　　　　　　　　，　　　　　　　　　　　，　　　　　　www.taodocs.com　　　　　　　　　，　　　　　　　　　　　　　　　　　　　（ Maximum APosteriori， MAP）　　　　　　　　 KullbackLeibler　　　　　　　　　　　　　　　　　　　　　　。　　[3]　　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　、　　　　　　　　（MelFrequency Cepstrum Coefficient， MFCC）　　　　　　　　　　　，　　　　　　　　　（Dynamic Time Warping， DTW）、　　　　　　（Gaussian Mixture Model， GMM）　　　　　　　　（Hidden Markov Model， HMM）　　　　　　　　　　　　　　　　　　　　　。　　　　　　　　，　　　　　　　　　　　　　　　　　　。　　[4]　　　　　　　　　　　　　　（Wavelet Packet Decomposition， WPD）　　　　　　　，　　　　　　　　　　　（SelfOrganizing Map， SOM）　　　　　　　（MultiLayer Perceptron， MLP）　　　　　　　　　　　　　　　　　　　　　　　　　　。　　[5]　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　，　　　　　　　　　　　，　　　　　　　　　　　。　　[6]　　　　　　　　　　　　　　　，　 GMM　　　　，　　　　　　　　　　　　　　　 95　　　　 165　　　　　　　　　　　　　　　　　　　。 　　　　　　　　　　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　，　　　　　　　　　　。　　　　　　　　　　　　　　　　　　，　　　　　　　　　，　　　　　　　　　　　。　　　　　　　　　　，　　　　　　　　　　　　　　　　，　　　　　　　　　　　，　　　　　　www.taodocs.com　　　　　　　

　　　　　　　　，　　　　　　　。　　　　　　　　　　　，　　　　　　　，　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　。　　　　　，　　　　　　　　　　，　　　　　　　　　　　　　　　　 Mel　　　　　　　　　　　　　　（Wavelet Packet decomposition Subband Cepstral Coefficient， WPSCC）　　　　。　　　　　　　　，　　　　　（Support Vector Machine， SVM）　　　　　　　　　，　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　。　　 15　　　　　　　　，　　　　　　　　　　　　 WPSCC　　　　　　　 SVM　　　　　　　，　　　　　　　　　　　　　　　　　　　　　。 　　1 　　　　　　　　　　　　 　　　　　　[7]　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　，　　　　　，　　　　　　　 1　　。 　　　　　　　　　，　　　　　　 N　　　　　 PFA　，　　　（7）　　　　　　　　λ，　　　　　　　σ2w　　　　，　　　　（3）　　　　　　　　　　　　　　　　　　　，　　　　　（8）　　　　　　 PD。 　　　　 2　　，　　　　　　　　　 11025Hz，　 22115　　　　，　　 2.005s　　　　　　　　　　　　　　　　　　　　　　。　　　 N　　　www.taodocs.com　　　　　　　　　　　　　　　，　　　　　　　。　　　　　　　　　　　，　　　　　　　，　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　。　　　　　，　　　　　　　　　　，　　　　　　　　　　　　　　　　 Mel　　　　　　　　　　　　　　（Wavelet Packet decomposition Subband Cepstral Coefficient， WPSCC）　　　　。　　　　　　　　，　　　　　（Support Vector Machine， SVM）　　　　　　　　　，　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　。　　 15　　　　　　　　，　　　　　　　　　　　　 WPSCC　　　　　　　 SVM　　　　　　　，　　　　　　　　　　　　　　　　　　　　　。 　　1 　　　　　　　　　　　　 　　　　　　[7]　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　，　　　　　　　　　　　　　　　　　　　　　　，　　　　　，　　　　　　　 1　　。 　　　　　　　　　，　　　　　　 N　　　　　 PFA　，　　　（7）　　　　　　　　λ，　　　　　　　σ2w　　　　，　　　　（3）　　　　　　　　　　　　　　　　　　　，　　　　　（8）　　　　　　 PD。 　　　　 2　　，　　　　　　　　　 11025Hz，　 22115　　　　，　　 2.005s　　　　　　　　　　　　　　　　　　　　　　。　　　 N　　　www.taodocs.com　　　　　　　

相关知识

基于能量检测的复杂环境下的鸟鸣识别
基于深度特征融合的鸟鸣识别方法及其可解释性分析
基于深度迁移学习与XGBoost的混合鸟鸣识别方法
基于多维神经网络深度特征融合的鸟鸣识别算法
基于空间方位的鸟鸣识别方法、系统、计算机设备与介质
鸟鸣识别，破译“鸟际关系”
基于多视角多层次对比学习的果园鸟鸣识别,Applied Acoustics
0050期基于深度学习的大型猫科动物的识别
基于YOLO特征检测模型的非法溜宠物识别
基于深度学习的声音事件检测

原文链接: 基于能量检测的复杂环境下的鸟鸣识别 https://www.mcbbbk.com/newsview1310862.html