基于动物声音的个体辨认技术的研究

摘要

随着野生动物的数量不断减少，人们对野生动物的保护工作和重视程度的逐渐加大，相应的研究也就越来越多。因此，生物声学的研究已引起了人们的重视；分类学家通过研究，把动物的声音信号作为动物分类的一种指标；生态学家也在探索，如何通过声音信号，来揭示动物行为的奥秘。 本文通过研究声音识别的基本原理与系统结构，分析现有的声音识别技术，研究了能频值端点检测、线性预测倒谱系数(LPCC)和美尔倒谱系数(MFCC)及其差分特征参数、矢量量化(VQ)与隐马尔可夫模型(HMM)相结合应用于声音识别的识别方法，建立了基于动物声音的个体辨认系统。 本文通过MATLAB声音处理工具箱，提取输入声音的特征参数，采用线性预测倒谱系数(LPCC)和美尔倒谱系数(MFCC)及其差分作为声音信号的特征参数，并采用LBG算法进行码书设计、Viterbi算法进行训练和识别，获得了较高的识别率，并且具有运算速度快，计算量小，差错率低等优点。 本文通过对实际声音识别系统的测试和研究，为进一步开发实用性声音识别系统的工作做了基础和探索性的工作。

目录

文摘

英文文摘

1 绪论

2声音信号的预处理

3声音信号的特征提取

4 VQ与HMM模型

5系统实现与结果分析

结论

参考文献

攻读学位期间发表的学术论文

致谢

独创性声明及学位论文版权使用授权书