基于改进MFCC的家禽发声特征提取方法.docx

基于改进MFCC的家禽发声特征提取方法
摘要
家禽发声特征提取是家禽行为研究和家禽声音识别的重要基础。传统的Mel频率倒谱系数（MFCC）方法在特征提取中具有广泛的应用，但其对于家禽发声信号的特征提取存在一定的局限性。因此，本文提出一种基于改进MFCC的家禽发声特征提取方法。该方法通过在传统MFCC算法中加入多个滤波器和能量计算，增强了语音信号的频谱信息和时域信息，提高了家禽发声特征的有效性和可靠性。实验结果表明，该方法能够有效地提取家禽发声信号的特征，并且在特征分类和识别方面表现出了优异的性能。
关键词：家禽发声；特征提取；MFCC；改进；滤波器；能量计算
Abstract
Featureextractionofpoultryvocalizationisanimportantfoundationforthestudyofpoultrybehaviorandsoundrecognition.ThetraditionalmethodofMelFrequencyCepstralCoefficients(MFCC)hasbeenwidelyusedinfeatureextraction,butithascertainlimitationsinextractingfeaturesofpoultryvocalizationsignals.Therefore,thispaperproposesanimprovedMFCC-basedfeatureextractionmethodforpoultryvocalization.ThismethodenhancesthespectralinformationandtemporalinformationofspeechsignalsbyaddingmultiplefiltersandenergycalculationinthetraditionalMFCCalgorithm,therebyimprovingtheeffectivenessandreliabilityofpoultryvocalizationfeatures.Experimentalresultsshowthattheproposedmethodcaneffectivelyextractfeaturesofpoultryvocalizationsignals,andexhibitsexcellentperformanceinfeatureclassificationandrecognition.
Keywords:Poultryvocalization;featureextraction;MFCC;improvement;filters;energycalculation
1.引言
家禽是重要的农产品之一，其声音在家禽行为研究和家禽声音识别中具有很大的应用前景。然而，由于家禽发声信号存在较强的噪声干扰和复杂的语音内容，对其进行有效的特征提取一直是一个难题。
目前，Mel频率倒谱系数（MFCC）是最常用的语音信号特征提取方法之一。该方法将语音信号分帧，计算每帧的功率谱，然后通过对功率谱进行Mel滤波器组计算MFCC系数。MFCC系数具有很强的抗噪能力和区分度，因此在语音识别和特征提取中得到广泛应用。但是，在家禽发声信号的特征提取中，传统的MFCC方法存在一些局限性。首先，家禽发声信号是一种非稳态信号，传统的MFCC方法难以对其时域信息进行充分利用；其次，家禽发声信号存在丰富的频谱信息，传统MFCC方法往往无法学习到更精细的特征信息。
因此，本文提出一种基于改进MFCC的家禽发声特征提取方法。该方法通过在MFCC算法中增加多个滤波器和能量计算，增强了语音信号的频谱信息和时域信息，提高了家禽发声特征的有效性和可靠性。接下来，本文详细介绍该方法的实现过程和实验结果。
2.方法
本文提出的基于改进MFCC的家禽发声特征提取方法主要包括以下三个步骤：预加重、分帧窗口、MFCC系数计算。其中，预加重是对信号进行高通滤波的过程，它可以增强语音信号的高频分量，减少低频成分的影响；分帧窗口将语音信号分成若干帧进行处理，窗口长度和窗口间隔大小会对特征提取效果产生影响，因此需要进行设置；MFCC系数计算是对每一帧信号进行功率谱计算和Mel滤波器组系数计算的过程。同时，为了增强语音信号的时域信息和频谱信息，本文对MFCC算法进行了改进，具体方法如下：
2.1多个滤波器的设计
传统的MFCC方法通常采用20-40个Mel滤波器，以捕获语音信号中的最重要的频域特征。然而，在家禽发声信号的特征提取中，传统的Mel滤波器往往无法学习到更精细的特征信息，因此需要增加滤波器的数量，以增强特征表达能力。
为了提高特征表达能力，本方法将传统的Mel滤波器组拓展为多组滤波器，