基于特征融合的生猪音频识别

针对在生猪音频识别中单一特征参数无法充分地表征猪声信息的问题,提出了基于梅尔倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)与伽马通倒谱系数(Gammatone Frequency Cepstral Coefficient,GF-CC)的生猪音频融合特征生成方法。首先,以5种猪声为研究对象,利用功率谱减法和双门限端点检测法对猪声样本进行预处理。其次,提取MFCC、GFCC和它们的一阶差分参数,将MFCC+∆MFCC、GFCC+∆GFCC直接叠加得到高维的融合特征,为了降低高维特征的冗余度,利用增减分量法对其进行降维,最后将降维后的融合特征输入至Bi-LSTM网络模型进行分类识别。实验结果表明,相对于传统的单一特征MFCC、GFCC在识别率上分别提升了14.33%和18.63%,且在不同噪声环境下,融合特征具有比其他特征更好的鲁棒性和识别性能。

基于智能巡检机器人的煤机故障音频识别方法

随着机器人技术飞速发展以及煤矿安全高效生产更高要求的提出,井下机电设备已经由传统的人工巡检转向具备“监测、检测、预警”功能的机器人化巡检。将声音处理和深度学习引入矿业系统智能处理中,对数据进行智能化分析;研究了声音预处理、语谱图生成和特征提取与分类等各个环节关键技术,解决了现阶段面向煤矿井下环境的关于语音特征无法时域和频域同时描述、缺乏动态序列信息的有效利用等问题。实验数据表明:采用以CNN+LSTM模型为核心,利用caffe c++深度学习框架建立声音识别的CNN+LSTM+Softmax网络,可以有效提高煤矿井下设备异常声音识别准确性和鲁棒性,减小算法复杂度以适应算法在嵌入式设备运行,实现机器人化煤机故障音频辨识及诊断。

基于音频识别的无人值守变电站设备在线监测

介绍了无人值守变电站主设备音频在线监测系统的原理与结构,然后重点介绍音频数据的监测与识别过程.首先系统利用传感器采集变电站设备的音频信号,数据采集器把多路音频数据传至监控主机,音频数据经频谱分析和处理后提取到MFCC特征参数作为信号特征,再把特征参数输入正弦基神经网络进行识别,实现高效、准确地判断电气设备运行状态或故障类型.该方法从根本上改进了以往人工监听电气设备判断故障的方法,提高了设备故障检测效率,为及时发现和处理设备故障提供了帮助.

基于音频识别的自动门控制器设计

为解决草场车辆通行不便、传统围栏门效率低下等问题,在草场这种特殊环境下提出一种基于音频识别的自动门控制技术。该设计以STM32F407作为硬件核心,采用RT-Thread嵌入式实时操作系统。根据草场的环境复杂程度采集各种音频信号,采用快速傅里叶变换将音频信号变换至频域,主要针对车辆鸣笛声与其他干扰声音在频域的差别进行研究和分析,通过研究发现车辆的频谱具有多峰和倍频特性。根据这种特性设计音频识别算法,从而实现车辆识别。结果表明,相对于其他识别车辆方法,所提技术在成本和环保方面均更优,而且具有较高的识别精度和具有更加广阔的发展前景。

声谱图显著性在音频识别中的应用

针对嘈杂背景、混叠、间断或多源的复杂音频,传统音频识别存在一定的局限性。文章提出了一种基于声谱图显著性检测的音频识别方法,将音频可视化转化为二维声谱图图像,利用图像的显著性检测有效获得声谱图中的主声源区域,并去除声谱图中与主声源无关的信息;然后针对主声源区域提取特征,以减少干扰并降低冗余度;采用改进的卷积神经网络(convolutional neural network,CNN)实现音频识别。实验结果表明,该方法可以有效解决复杂音频的识别问题。

基于残差网络和随机森林的音频识别方法

环境声音分类(ESC)是音频处理领域的重要分支之一,在未来多媒体应用中有重要的作用。音频识别是提取音频中特定的声学特性,将音频分类至样本对应的正确场景,有助于感知和理解周围环境。现阶段音频识别主要是通过信号处理技术和机器学习方法达成。随着人工智能飞速发展,传统的音频处理技术以及机器学习方法面临着巨大的挑战,ESC的识别准确性有待进一步提高。结合残差网络和随机森林两种方法,将一维时域信号的音频数据转换为二维数据形式的梅尔声谱图,预训练残差网络获得一个精度较高的网络模型作为特征提取器,利用该网络模型提取音频中的深层特征,再利用随机森林对深层特征进行分类。该方法在ESC任务上识别率提升了近10%,取得了较好的分类结果。

基于音频指纹的压缩域音频识别方法研究

压缩格式已经成为了音频信号存储和传输的主要形式,面向压缩域音频文件的识别方案就显得更具有实际意义。提出了一种基于音频指纹的压缩域音频识别算法,该算法可用于压缩域音频和非压缩域音频在同一个指纹数据库中进行有效检索和识别。选择最典型的音频压缩格式——MP3音频来测试算法的性能,实验结果表明该算法的指纹尺寸小,具有较好的指纹区分性和较高的正确识别率,对各种常见的时频域失真均具有较强的鲁棒性。

基于音频识别的血透机泵状态预警系统设计

目的设计一种基于音频识别的预警系统,用以监测血透机泵运行状态,为血透机的稳定工作提供保障。方法首先通过麦克风采集泵在故障和正常工作状态下的音频数据;然后对其进行快速傅里叶变换,分别从时域和频域对两种状态的数据进行对比分析,找出特征差异,设计相关判断算法;最后通过实验来验证判断泵故障与否条件的准确性。结果选取了8个血透机泵进行测试,测试结果与实际情况一致,准确地判断出3个泵处于正常状态,其余5个泵故障或存在故障风险,且该方法对同一对象不同声音样本的检测具有稳定性。结论本文设计的预警系统,利用音频识别实现了对血透机泵状态的实时监测,便于临床工程人员管理血透设备,具有较高的推广使用价值。

DHMM在机械设备音频识别中的应用

为了对现场机械或设备进行监控、诊断和识别,以音频为监控手段,引入矢量量化(VQ)算法并建立机械设备音频的离散隐Markov模型(DHMM)。特征参数采用MFCC,码书设计采用Linde-Buzo-Gray(LBG)算法;推导出Baum-Welch算法参数重估的多观察序列的最简标定形式;分析了多种HMM类型,提出了适合机械设备音频的HMM。实验在22种音频中进行,识别准确率在97%以上,证明了方法的有效性。

基于音频识别的采煤机滚筒载荷识别方法

针对现有采煤机滚筒载荷识别方法相关算法实施难度大、工程实现方式复杂、应用难度高等问题,通过分析采煤机工作时音频信号的特征,提出一种基于音频识别的采煤机滚筒载荷识别方法。为确保每个分析周期内的音频信号具有同一运行标准下的负载工况,将截割电流与牵引速度作为变量引入到动态能量计算中,采用动态能量归一化算法(DENA)对采煤机原始音频信号进行归一化处理;将归一化后的信号与标准工况库中的信号进行对比分析,通过最大相异系数判断两者之间的差异性,从而确定滚筒载荷特征,实现滚筒载荷识别判断。试验结果表明:DENA可有效抑制音频信号中的噪声能量,提升音频信号中关键特征值的分辨率,采煤机在截割煤、岩时的音频信号特征参数界限明显,未出现交叉混叠现象;在理想情况下,即最大相异系数小于0.189时,总的煤岩界面识别率可达到78.6%。

基于音频识别分析的无人值守变电站设备在线监听与故障排除

为了使无人值守变电站独立高效地运行,介绍了基于音频识别的实时监控系统的理论和结构。该架构侧重于音频数据的监控和识别过程。首先,通过使用传感器的系统获取变电站的音频信号;然后将多音频数据传输到监控主机,在频谱分析和处理之后,提取MFCC特征参数作为信号特征;最后将特征参数输入正弦神经网络进行识别,可以有效、准确地识别故障的运行状态和类型。实现结果表明,该方法改进了传统的手动监测方法,大大提高了设备检测的效率。

用于定位清管器的音频识别技术

清管器定位技术在国内外已充分应用于现场。但是仅一般局限于低频信号与磁信号为信号源,因此存在一定的局限性。本文以音频信号作为信号源、音频识别作为手段进行探索,在实验室通过相关实验,证明了音频识别也可以作为清管器定位的可行手段。

基于音频识别的交通流量监测分析

在城市交通智能化管理中,交通流量监控成为一项新兴技术并形成相关产业。由于现有的交通流量监控技术尚存诸多缺陷,该文章在结合短时间傅里叶变换(STFT)与自适应算法的基础上,通过斜率阈值判断的方法判断车辆状态,从而提出了一套基于声学检测方法——音频识别技术的交通流量监测方案,以达到对车辆类型进行较为精确的计数以及对车辆类型进行粗分类的效果。

基于音频识别的防爆电机故障监测研究

对防爆电机进行故障监测,有利于维护工作人员对电机的掌控,因此,提出了基于音频识别的防爆电机故障监测研究。通过对防爆电机音频信号预加重、分帧加窗技术展开研究,进行信号预处理。提取特征参数,使用频率倒谱系数确定不同故障信号特征。根据隐马尔可夫模型在音频识别中的应用情况,分别从电机短路、气隙不均匀和铁心松动三个方面进行故障监测,具有良好监测性能。

基于Gabor变换所提取数字指纹的音频识别

音频的数字指纹是一种从某段音频中提取出的压缩的确定性信号。和使用指纹来识别某人身份一样,我们可以利用某段音频的数字指纹,通过与数据库搜索比对,来确定该段音频的身份。这项技术对著作权保护与许可颁发方面都有很重要的意义。当此技术被应用到歌曲音频上时,它可以帮助我们节省大量时间来识别某一段音乐的来源歌曲。许多手机应用软件也利用数字指纹来识别歌曲、电影以及电视节目等。总的来说,音频的数字指纹是从时域和频域的信息所提取出来的。

音频技术在禽畜养殖与果蔬种植中的应用研究进展

随着信息技术的发展,音频技术凭借其快速、准确、成本低,且非接触、无侵入的优点,被广泛应用于现代农业禽畜养殖与果蔬种植等领域,已成为推动农业数字化、智能化的关键技术之一。该文阐述了音频增强技术如传统滤波法、短时谱估计法和小波去噪法在禽畜果植中的研究与应用,综述了音频识别技术在农产品无损检测、动物疾病与健康监测、物种识别与病虫害检测等方面的研究成果,同时分析了音频控制技术在果蔬种植和禽畜养殖中的研究进展,在此基础上总结了现阶段禽畜果植音频增强技术、音频识别技术与音频控制技术面临的问题,并指出其未来可能的研究发展方向,以期为禽畜养殖与果蔬种植领域音频技术的研究与应用提供参考。

融合GMM及SVM的特定音频事件高精度识别方法

针对特定音频事件识别中持续时间特别短的音频事件漏检概率高、识别速度较慢的问题,提出一种融合高斯混合模型(GMM)及支持向量机(SVM)的特定音频事件识别算法.该方法利用GMM的统计分布描述能力和SVM的推广泛化能力,将GMM和SVM分别识别的结果进行融合处理,以手枪、步枪、机关枪等10类以上枪声为实验数据,无需针对每种枪声生成相应的识别模板,仅需训练生成2个识别模板.实验结果表明,识别准确率达到92.71%.该方法模板数量少,不需要多次训练,算法复杂度较低,不仅便于应用而且可大幅提升识别效率.

基于内容和旋律的音频片段识别与检索

介绍了音频信号的主要特征和处理技术,给出音频检索系统的处理框架和主流产品,并列出典型检索引擎及应用行业;详细阐述了音频识别和检索的主要方法、基于旋律和内容的音频片段检索的原理和特点;最后结合实验和测试中的实际问题对音频检索进行展望.

使用支持向量机进行音频精彩场景的识别提取

本文使用支持向量机自动对体育节目中的音频精彩场景识别。由试验结果可以看出 ,在小样本前提下 ,采用支持向量机能够保证训练误差和实际误差均小 。