基于声音特征优化和改进支持向量机的鸟声识别.pdfVIP

测控技术

模式识别与人工智能2024年第43卷第6期·21·

基于声音特征优化和改进支持向量机的鸟声识别

陈晓2，曾昭优

（1.南京信息工程大学电子与信息工程学院，江苏南京210044；

2.南京信息工程大学江苏省大气环境与装备技术协同创新中心，江苏南京210044)

摘要：为了在低参数量下提高鸟鸣声的识别准确率，提出了一种新的鸟声识别方法，包括鸟声信号特征

优化和乌鸦搜索－支持向量机（SupportVectorMachine,SVM）分类识别。该方法首先采用主成分分析

法对从鸟声中提取的梅尔频率倒谱系数（MelFrequencyCepstrumCoefficient,MFCC）和翻转梅尔频率倒

谱系数进行选择，得到优化后的声音特征参数并将其作为鸟声识别算法的输入；然后利用乌鸦搜索算法

对SVM的核参数和损失值进行选优，得到改进的SVM网络用于鸟声分类识别。试验结果表明，该方法

对5种鸟声识别的准确率为92.2%，声音特征维数在16时可以得到最好的识别效果。该方法为野外

鸟声自动识别提供了一种可行的方式。

关键词：声音识别；鸟声识别；主成分分析；支持向量机；乌鸦搜索算法

中图分类号：TP181;TN912文献标志码：A

doi:10.19708/j.ckjs.2024.06.004

BirdSoundRecognitionBasedonOptimizedSoundFeaturesand

ImprovedSVM

CHENXiaol2,ZENGZhaoyou

(1.SchoolofElectronicsandInformationEngineering,NanjingUniversityofInformationScienceandTechnology,

Nanjing210044,China;2.JiangsuCollaborativeInnovationCenterofAtmosphericEnvironmentandEquipmentTechnology,

NanjingUniversityofInformationScienceandTechnology,Nanjing210044,China)

Abstract:Toimprovetheaccuracyofbirdsoundrecognitionwithlownumberofparameters,anewbirdsound

recognitionmethodisproposed,includingoptimizationofbirdsoundsignalfeaturesandcrowsearchsupport

vectormachine(SVM)classificationrecognition.Firstly,principalcomponentanalysisisusedtooptimizethe

Melfrequencycepstralcoefficients(MFCC)andflippedMelfrequencycepstralcoefficientsextractedfrombird

sound,andtheoptimizedsoundfeaturesparametersistakenasinputforthebirdsoundrecognitionalgorithm.

Then,thecrowsearchalgorithmisusedtooptimize