-
公开(公告)号：CN117219089A
公开(公告)日：2023-12-12
申请号：CN202311214996.1
申请日：2023-09-20
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于自适应频率系数的鸟鸣声特征提取和识别方法，包括采集鸟鸣声信号，并进行预处理，获得功率谱；引入自适应参数，设计两组形状能够根据自适应参数改变的频域信号过滤器，利用过滤器分别对功率谱过滤频率，提取处理后信号的自适应频率系数，以获取鸟鸣声特征向量；构造改进的非线性支持向量机分类模型f(x)，并利用黑寡妇蜘蛛算法优化寻找到支持向量机分类模型f(x)中的最优核函数，将鸟鸣声特征向量输入改进的支持向量机分类模型f(x)进行学习；利用已学习好的改进的支持向量分类模型f(x)对待识别鸟鸣声的特征向量进行鸟鸣声识别。本发明解决了现有技术中鸟鸣声识别方法存在的识别精度低的问题。
-
公开(公告)号：CN116259321A
公开(公告)日：2023-06-13
申请号：CN202211100596.3
申请日：2022-09-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于鸟鸣声的鸟种类识别方法、装置及存储介质，该方法包括：(1)获取若干段鸟鸣声，并对鸟鸣声进行预处理；(2)分别采用两组不同的滤波器组对鸟鸣声的功率谱进行滤波，并分别提取滤波后的信号的系数，再将两组系数、鸟鸣声短时能量和鸟鸣声短时过零率组成当前鸟鸣声的特征向量；(3)构造非线性分类模型，并采用猎物优化方法寻找到非线性分类模型中的最优核函数；(4)将提取的鸟鸣声特征向量输入非线性分类模型进行学习；(5)提取待识别鸟鸣声的特征向量，并将特征向量输入已学习好的非线性分类模型中，识别出鸟种类。本发明复杂度低、精确度高。
-
公开(公告)号：CN116092505A
公开(公告)日：2023-05-09
申请号：CN202310115088.0
申请日：2023-02-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了声音识别技术领域的一种基于声音特征优化选择的鸟声识别方法，包括以下步骤：先对鸟声信号做傅里叶变换并加权；计算鸟声的功率谱，设计两组滤波器对功率谱滤波，并分别提取滤波后的滤波信号的系数，对每组滤波后的信号的系数求协方差矩阵，得到优化后的鸟声特征，最后将两组优化后的鸟声特征组成鸟声的特征向量；构造非线性分类模型f(x)，并采用改进的优化方法寻找到非线性分类模型中的最优核函数；将提取的鸟声特征向量输入非线性分类模型进行学习。本发明鸟声识别方法相较于其他鸟声识别方法，通过设计新的鸟声特征并优化选择、优化非线性分类方法的核参数，使得鸟声具有更优的分类准确率，且计算时间短，简单易行，实时性好。
-
-
Search Results
3
records
(took 0.01 seconds)
