数学建模——声音识别模型的建立与评价剖析.docxVIP

《数学建模》论文报告题目：A题 声音识别模型的建立与评价参赛队员（数学与统计学院）：学号： 姓名： 联系电话：声音识别模型的建立与评价【摘要】本文针对正常非正常开门（指盗窃开门等声音）的声音进行识别的问题，通过matlab的sound和plot采集到了正常和非正常开门的声音信号和声音波形图，附件中有正常开门声音（如正1.mat）,非正常开门声音（如非1.mat）,各40次开门，共80次开门声音数据。将这些数据利用matlab的load函数载入到计算机内存，内存中变量有Fs和y等变量，其中Fs为采用频率，y为采用数据，通过建立数学模型将函数关系表示出来，并利用合适的时域或（和）频域特征表达声音信号，建立出特征向量。针对问题一：利用matlab中的sound函数，播放出声音信号，试听并比较正常和非正常开门声音的差别，利用plot函数绘制出具体的声音波形图，总结出差别在哪些方面，正常开门声音（如正1.mat）较短暂，波形图上各点分布较为分散；而非正常开门声音（如非1.mat）连续，波形图上各点分布也相对集中。针对问题二：利用合适的时域或（和）频域特征表达声音信号，建立特征向量，写出提取特征向量的具体方法和程序代码。针对问题三：建立声音识别模型（二分类模型），利用模型区分正常和非正常声音，评价模型的好坏。针对问题四：利用特征选择或变换，对特征向量进行优化，并利用参数优化技术优化模型的参数，使识别模型的准确率提高。针对问题五：若原始声音信号中有环境噪声（如白噪声），设y中叠加了一定幅值的白噪声（利用y1=y+(-0.15+0.3*rand(size(y)))*max(y)叠加噪声），对声音进行前期处理。本文充分运用了高等代数、数理统计等知识，并通过MATLAB软件模拟的方法对理论数据进行了分析整合。最后对模型的优缺点进行了评价，并给出了改进方向。关键词：声音识别、特征向量、二分类模型、MATLAB软件、神经网络1 问题重述 A题 声音识别模型的建立与评价 随着家居智能化逐渐普及，智能冰箱、智能清洁机器人、智能电视等已步入平常老百姓家庭，但智能化的防盗门还处于研发阶段，未进入市场。随着人们对家居安全意识的不断增强，对防盗、防抢和防砸的门禁系统的智能性提出更高的要求。基于此，对正常和非正常开门（指盗窃开门等声音）的声音进行识别是智能防盗门的关键问题和技术，其具有广泛的应用前景和实用价值。 为了进行声音识别模型的建立，我们采集到了正常和非正常开门的声音，附件中有正常开门声音（如正1.mat）,非正常开门声音（如非1.mat）,各40次开门，共80次开门声音数据。该数据可利用matlab的load函数载入到计算机内存，内存中变量有Fs和y等变量，其中Fs为采用频率，y为采用数据。利用这些数据要求完成以下工作：利用matlab中的sound函数，播放出声音信号，试听并比较正常和非正常开门声音的差别，利用plot函数绘制出具体的声音波形图，总结差别在哪些方面？利用合适的时域或（和）频域特征表达个声音信号，建立特征向量，写出提取特征向量的具体方法和程序代码。建立声音识别模型（二分类模型），利用模型区分正常和非正常声音，评价模型的好坏。试利用特征选择或变换，对特征向量进行优化，并利用参数优化技术优化模型的参数，使识别模型的准确率提高。若原始声音信号中有环境噪声（如白噪声），设y中叠加了一定幅值的白噪声（利用y1=y+(-0.15+0.3*rand(size(y)))*max(y)叠加噪声），如何对声音进行前期处理？2 模型假设[1] 假设原始声音信号中有环境噪声（白噪声）单一，无其他噪音干扰；[2] 假设采用的频率都为11025Hz来利用合适的时域或（和）频域特征表达声音信号；[3] 假设实验环境保持不变。3 符号说明Fs 采用频率y 采用数据4 问题的分析本文针对正常非正常开门（指盗窃开门等声音）的声音进行识别的问题，通过matlab的sound和plot采集到了正常和非正常开门的声音信号和声音波形图，附件中有正常开门声音（如正1.mat）,非正常开门声音（如非1.mat）,各40次开门，共80次开门声音数据。将这些数据利用matlab的load函数载入到计算机内存，内存中变量有Fs和y等变量，其中Fs为采用频率，y为采用数据，通过建立数学模型将函数关系表示出来，并利用合适的时域或（和）频域特征表达声音信号，建立出特征向量。若原始声音信号中有环境噪声（如白噪声），设y中叠加了一定幅值的白噪声（利用y1=y+(-0.15+0.3*rand(size(y)))*max(y)叠加噪声），对声音进行前期处理。5模型的建立与求解5.1利用matla