申请/专利权人：南京信息工程大学

申请日：2023-09-20

公开（公告）日：2023-12-12

公开（公告）号：CN117219089A

主分类号：G10L17/26

分类号：G10L17/26;G10L25/18;G10L25/27;G10L25/48

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.29#实质审查的生效;2023.12.12#公开

摘要：本发明公开了一种基于自适应频率系数的鸟鸣声特征提取和识别方法，包括采集鸟鸣声信号，并进行预处理，获得功率谱；引入自适应参数，设计两组形状能够根据自适应参数改变的频域信号过滤器，利用过滤器分别对功率谱过滤频率，提取处理后信号的自适应频率系数，以获取鸟鸣声特征向量；构造改进的非线性支持向量机分类模型fx，并利用黑寡妇蜘蛛算法优化寻找到支持向量机分类模型fx中的最优核函数，将鸟鸣声特征向量输入改进的支持向量机分类模型fx进行学习；利用已学习好的改进的支持向量分类模型fx对待识别鸟鸣声的特征向量进行鸟鸣声识别。本发明解决了现有技术中鸟鸣声识别方法存在的识别精度低的问题。

主权项：1.一种基于自适应频率系数的鸟鸣声特征提取和识别方法，其特征在于，包括以下步骤：步骤1：采集鸟鸣声信号，并进行预处理，获得功率谱Pk；步骤2：引入自适应参数α，设计两组形状能够根据自适应参数α改变的频域信号过滤器H1m、H2m，并利用信号过滤器H1m、H2m分别对功率谱Pk中数据进行过滤频率，提取处理后信号S1m、S2m的自适应频率系数C1n、C2n，以组成鸟鸣声特征向量x＝[C1，C2]；步骤3：构造改进的非线性支持向量机分类模型fx，并利用黑寡妇蜘蛛算法优化寻找到支持向量机分类模型fx中的最优核函数；步骤4：将鸟鸣声特征向量x＝[C1，C2]输入步骤3改进的支持向量机分类模型fx进行学习；步骤5：利用已学习好的改进的支持向量分类模型fx对待识别鸟鸣声的特征向量进行鸟鸣声识别。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于自适应频率系数的鸟鸣声特征提取和识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD