基于变步长LMS和SVM的电能表内异物声音识别

基于变步长LMS和SVM的电能表内异物声音识别

论文摘要

提出一种基于变步长最小均方(LMS)和支持向量机(SVM)的电能表内异物声音自动识别方法。由于SVM分类器对噪声敏感,通过变步长LMS实现对采集的电能表内异物声音信号的降噪,相较于固定步长LMS,信噪比提升明显,耗用时间较少。对声音信号进行时、频域和倒谱分析,并提取其短时特征系数及改进梅尔频率倒谱系数(MFCC)。并采用短时能量和MFCC系数构成混合特征矩阵,对该矩阵降维后输入SVM进行异物声音识别。实验证明:提出的方法计算量小、识别率高,有很好的应用价值。

论文目录

  • 0 引言
  • 1 变步长LMS滤波算法
  •   1.1 LMS基本原理
  •   1.2 变步长LMS滤波
  •   1.3 声音信号特征提取
  • 2 声音信号识别
  • 3 实验验证
  • 4 结束语
  • 文章来源

    类型: 期刊论文

    作者: 蒋晓永,杨涛

    关键词: 电能表异物声音,变步长最小均方,短时能量,改进梅尔频率例谱系数,支持向量机识别

    来源: 传感器与微系统 2019年02期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 电力工业

    单位: 西南科技大学信息工程学院,特殊环境机器人技术四川省重点实验室

    基金: 国家自然科学基金资助项目(61571376),特殊环境机器人技术四川省重点实验室开放资助项目(13ZXTK06)

    分类号: TM933.4

    DOI: 10.13873/j.1000-9787(2019)02-0143-04

    页码: 143-146

    总页数: 4

    文件大小: 567K

    下载量: 152

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于变步长LMS和SVM的电能表内异物声音识别
    下载Doc文档

    猜你喜欢