声音识别模型分析.doc

??声音识别模型的建立与评价 摘 要 本文选取合适声音特征参数设计一个声音识别模型，并给出了具体的建立方案，然后还要对建立的模型进行优化提高识别准确度。 对于问题一,首先对声音信号进行了试听，然后利用Matlab绘制了声音波形如图一、图二所示，通过两类声音进行比较和分析。得出两类声音如下区别：非正开门声的幅值明显比正常高，说明非正常开门声响声大，而且非正常声音持续的时间远比正常的要长。 对于问题二，首先对声音信号的短时平均能量和短时过零率这两个时域特征进行分析如图三和图四所示。然后对倒谱系数（）这一频域特征进行了分析如图八所示，并且通过倒谱系数（）建立了一个13维的特征向量如附件一所示。 对于问题三，利用上一问中提取的倒谱系数这一重要特征，经过训练后，建立了基于和声音识别模型如图九所示，然后随机选取一段声音信号进行测试，测试结果如图十一所示，从图中可以看出此模型能够区分正常与非正常声音。 对于问题四，我们利用主成分分析法建立了特征向量优化模型如式33所示，得出声音的两个主要特征是短时平均能量和，然后在上面的声音识别模型中加入了短时平均能量这一时域特征向量，最后对优化后的声音识别模型进行检验，发现优化后的模型识别准确率有了进一步的提高。 对于问题五，首先按照题目的要求，利用Matlab中的随机函数产生一个噪声加入到声音信号中，得到了加噪后的声音时域和频域的波形图如图十三和图十四所示。