基于MFCC和GMM的昆虫声音自动识别

被引：16

作者：

竺乐庆 ^{[1
]}

张真 ^{[2
]}

机构：

[1] 浙江工商大学计算机与信息工程学院

[2] 中国林业科学研究院森林生态与保护研究所,国家林业局森林保护重点实验室

来源：

昆虫学报 | 2012年 / 55卷 / 04期

基金：

浙江省自然科学基金;

关键词：

昆虫; 种类鉴定; 声音处理; 自动识别; 梅尔倒谱系数; 混合高斯模型;

D O I：

10.16380/j.kcxb.2012.04.009

中图分类号：

TN912.34 [语音识别与设备]; S477 [物理、机械防治]; Q969 [昆虫分类学];

学科分类号：

0711 ; 0904 ; 07 ; 0710 ; 09 ;

摘要：

昆虫的运动、取食、鸣叫都会发出声音,这些声音存在种内相似性和种间差异性,因此可用来识别昆虫的种类。基于昆虫声音的昆虫种类自动检测技术对协助农业和林业从业人员方便地识别昆虫种类非常有意义。本研究采用了语音识别领域里的声音参数化技术来实现昆虫的声音自动鉴别。声音样本经预处理后,提取梅尔倒谱系数(Mel-frequency cepstrum coefficient,MFCC)作为特征,并用这些样本提取的MFCC特征集训练混合高斯模型(Gaussian mixturemodel,GMM)。最后用训练所得到的GMM对未知类别的昆虫声音样本进行分类。该方法在包含58种昆虫声音的样本库中进行了评估,取得了较高的识别正确率(平均精度为98.95%)和较理想的时间性能。该测试结果证明了基于MFCC和GMM的语音参数化技术可以用来有效地识别昆虫种类。

引用

页码：466 / 471

页数：6

共 11 条

[1] 基于Mel倒谱系数和矢量量化的昆虫声音自动鉴别 [J].

竺乐庆 ;

王鸿斌 ;

张真 .

昆虫学报, 2010, 53 (08) :901-907

[2] Mel频率倒谱系数提取及其在声纹识别中的作用 [J].

张万里 ;

刘桥 .

贵州大学学报(自然科学版), 2005, (02) :207-210

[3] Improved MFCC-Based Feature for Robust Speaker Identification [J].

吴尊敬 ;

曹志刚 .

Tsinghua Science and Technology, 2005, (02) :158-161

[4] 仓储物害虫声音的模式识别 [J].

韩萍 .

计算机工程, 2003, (22) :151-152+154

[5]

A call-independent and automatic acoustic system for the individual recognition of animals: A novel model using four passerines[J] . Jinkui Cheng,Yuehua Sun,Liqiang Ji.Pattern Recognition . 2010 (11)

[6] Automatic acoustic detection of the red palm weevil [J].

Pinhas, J. ;

Soroker, V. ;

Hetzroni, A. ;

Mizrach, A. ;

Teicher, M. ;

Goldberger, J. .

COMPUTERS AND ELECTRONICS IN AGRICULTURE, 2008, 63 (02) :131-139

[7]

TEMPORAL AND SPECTRAL FEATURES OF SOUNDS OF WOOD-BORING BEETLE LARVAE: IDENTIFIABLE PATTERNS OF ACTIVITY ENABLE IMPROVED DISCRIMINATION FROM BACKGROUND NOISE[J] . Mankin, R W,Mizrach, A,Hetzroni, A,Levsky, S,Nakache, Y,Soroker, V.The Florida Entomologist . 2008 (2)

[8]

Wing-Click Sounds of Heliconius cydno alithea （Nymphalidae: Heliconiinae） Butterflies[J] . Mirian Medina Hay-Roe,Richard W. Mankin.Journal of Insect Behavior . 2004 (3)

[9] Application of time domain signal coding and artificial neural networks to passive acoustical identification of animals [J].

Chesmore, ED .

APPLIED ACOUSTICS, 2001, 62 (12) :1359-1374

[10] Acoustic monitoring of Orthoptera and its potential for conservation [J].

Klaus Riede .

Journal of Insect Conservation, 1998, 2 :217-223

← 1 2 →