基于小波MFCC和HMM的列車?guó)Q笛識(shí)別方法研究.pdf

1、隨著社會(huì)的快速發(fā)展，針對(duì)于聲音處理的研究與應(yīng)用得到了越來越多的關(guān)注。隨著對(duì)聲音識(shí)別的要求越來越高，傳統(tǒng)的聲音識(shí)別存在的局限也越來越明顯，在進(jìn)行列車聲音識(shí)別時(shí)這些局限表現(xiàn)的尤為突出。列車?guó)Q笛識(shí)別指的是從列車通過產(chǎn)生的聲音數(shù)據(jù)中識(shí)別出鳴笛聲音的整個(gè)過程，它包含了鳴笛特征參數(shù)的提取和聲音的分類識(shí)別兩大部分。利用列車?guó)Q笛識(shí)別技術(shù)可實(shí)現(xiàn)列車?guó)Q笛的自動(dòng)識(shí)別，通過識(shí)別過程能夠?qū)α熊嚦藙?wù)員是否按規(guī)定鳴笛進(jìn)行監(jiān)督，從而規(guī)范列車乘務(wù)員的駕駛行為。列車通過產(chǎn)

2、生的聲音數(shù)據(jù)屬于非語音信號(hào)，目前對(duì)非語音信號(hào)的檢測(cè)方法主要沿用傳統(tǒng)的語音識(shí)別方法，語音信號(hào)發(fā)聲方式固定，且能量較為平穩(wěn)，而列車?guó)Q笛識(shí)別過程中的聲音發(fā)聲機(jī)理各不相同，瞬時(shí)產(chǎn)生的能量較大，并且在識(shí)別時(shí)還會(huì)受到背景噪音的干擾。因此傳統(tǒng)的語音識(shí)別方法并不能很好的適用于列車?guó)Q笛識(shí)別。
　　針對(duì)上述問題，本文立足于語音信號(hào)特征梅爾頻率倒譜系數(shù)(Mel FrequencyCepstrum Coefficients，MFCC)和隱馬爾可夫模型(H

3、idden Markov Model，HMM)，對(duì)如何構(gòu)建列車?guó)Q笛識(shí)別方法進(jìn)行研究。論文首先簡(jiǎn)要介紹了MFCC參數(shù)及差分MFCC參數(shù)的提取方法，分析了列車?guó)Q笛識(shí)別過程中聲音的特點(diǎn)，將小波變換（Wavelet Transform，WT）應(yīng)用到MFCC特征提取中，提出了一種基于小波MFCC的聲音特征提取方法。在比較了不同分類器的優(yōu)劣之后，選取隱馬爾可夫模型作為聲音識(shí)別的分類器，提出了基于隱馬爾可夫模型的列車?guó)Q笛識(shí)別算法。分析了隱馬爾可夫模型