基于MFCC和GMM的昆虫声音自动识别

编号 zgly0000785848

文献类型 期刊论文

文献题名 基于MFCC和GMM的昆虫声音自动识别

学科分类 220.3020;森林昆虫学

作者 竺乐庆  张真 

作者单位 浙江工商大学计算机与信息工程学院  中国林业科学研究院森林生态与保护研究所 

母体文献 昆虫学报 

年卷期 2012,55(4)

页码 466-471

年份 2012 

分类号 Q967 

关键词 昆虫  种类鉴定  声音处理  自动识别  梅尔倒谱系数  混合高斯模型 

文摘内容 昆虫的运动、取食、鸣叫都会发出声音,这些声音存在种内相似性和种间差异性,因此可用来识别昆虫的种类。基于昆虫声音的昆虫种类自动检测技术对协助农业和林业从业人员方便地识别昆虫种类非常有意义。本研究采用了语音识别领域里的声音参数化技术来实现昆虫的声音自动鉴别。声音样本经预处理后,提取梅尔倒谱系数(Mel-frequency cepstrum coefficient,MFCC)作为特征,并用这些样本提取的MFCC特征集训练混合高斯模型(Gaussian mixturemodel,GMM)。最后用训练所得到的GMM对未知类别的昆虫声音样本进行分类。该方法在包含58种昆虫声音的样本库中进行了评估,取得了较高的识别正确率(平均精度为98.95%)和较理想的时间性能。该测试结果证明了基于MFCC和GMM的语音参数化技术可以用来有效地识别昆虫种类。