一 MFCC特征提取研究
首先提取mfcc的特征,然后对所有的数据构建特征数据库,然后搭建svm的分类网络,其中需要安装libsvm的工具箱,最后得到数据的诊断结果。
如上
是一个数据进行EMD分解后的数据
分别的过程如下所示(部分代码)
Current IMF | #Sift Iter | Relative Tol | Stop Criterion Hit
1 | 3 | 0.057677 | SiftMaxRelativeTolerance
2 | 5 | 0.11365 | SiftMaxRelativeTolerance
3 | 3 | 0.13767 | SiftMaxRelativeTolerance
4 | 3 | 0.1082 | SiftMaxRelativeTolerance
5 | 3 | 0.10336 | SiftMaxRelativeTolerance
然后对于分解后的数据,进行滤波处理,得到上述的结果图
求解mfcc的特征图
二 分类识别
采取的是svm的方法,使用了Libsvm的工具箱,得到的数据结果如上。
如果修改参数的数值,可以得到的结果。
很显然的,我们需要配置优秀的svm的参数数值,使得训练的效果最好。
具体源程序见:基于MFCC特征提取和SVM的声音识别系统-Matlab文档类资源-CSDN下载
如有侵权,请联系作者删除。