基于 EEMD 的异常声音特征提取
陈志全
杨骏
乔树山
1.中国科学院微电子研究所 北京 1000292.中国科学院微电子研究所 北京 1000293.中国科学院微电子研究所 北京 100029
摘要：针对使用梅尔倒谱系数 MFCC ，LPCC 等传统语音特征时异常声音识别率低的问题，结合到异常声音具有高度非平稳、非线性的特点，提出一种基于总体平均经验模态分解的异常声音特征提取方法。首先对声音进行分帧，对每一帧信号提取模态函数。对不同层模态函数提取包括短时能量，能量比，短时平均过零率，MFCC 等特征，对信号的特征向量分段取均值作为最终的特征。基于这些特征的特征组合，采用支持向量机作为分类模型对七种异常声音进行识别，并测试了不同信噪比条件下识别的效果，结果表明基于 EEMD 的特征相比 MFCC ，LPCC 等特征能有效提高识别率。
关键词：异常声音识别经验模态分解特征提取支持向量机
分类号：TP311(计算技术、计算机技术)
资助基金：中科院战略性先导科技专项极低功耗智能感知技术(编号XDA06020401)
论文发表日期：2016-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1875-1879,1894 )
英文信息