基于频谱特征与非线性理论的钱塘江涌潮检测

摘要

钱塘江由于其独特的地理位置以及受天体作用力的影响，形成了涌潮这一举世瞩目的自然景观。一方面涌潮带来了很高的观赏价值，但是另一方面也不能忽略它可能带来的危害，因钱塘江涌潮导致人员和财产损失每年都有报道。如果能够实现对涌潮快速精确的检测，并及时发布预警信息，就可以有效的减少对沿岸人员生命和财产的损失。文中提出了基于声学识别的涌潮检测方法，利用提取到的涌潮频谱特征与分类器结合实现涌潮自动检测，主要工作如下：　　（1）利用特定的声级计采集大量的涌潮到达时的声音信号作为正样本，同时采集了大量的非涌潮声音信号作为负样本以提升识别系统的鲁棒性，进而提取声音信号的特征参数，利用相关非线性理论构建相应的涌潮识别系统。　　（2）研究涌潮到达时声音信号的频域与时域特性，提取涌潮频谱特征参数。采用基于LPC倒谱系数(LPCC)特征提取方法以及Mel频率倒谱系数(MFCC)特征提取方法，同时还通过静态特征差分获取声音信号的动态特征参数。通过对声音信号的特征提取，训练不同声学特征的模型，比较不同的特征值提取方法对最终识别精度的影响。　　（3）在非线性理论方面主要利用了BP神经网络和支持向量机。详细的介绍了两种算法的优缺点，通过对声音信号特征参数的训练，获得相应的模型，对声音信号进行分类识别，最后通过大量的实验对两种分类器的识别精度进行对比，并分析比较只有12维的静态特征，12维静态特征和12维的动态特征以及12维静态特征和24维的动态特征下两个分类器的最终识别精度。　　（4）为验证算法的可行性以及提高该系统的实用性，还建立了一个基于C＃的涌潮检测系统，系统实现了MFCC特征提取方法，利用开源的支持向量机代码进行了实现，该系统相较于Matlab上的系统更加的直观，具有更高的实用性。

目录

声明

第1章 绪论

1.1 钱塘江涌潮检测研究的背景及意义

1.2 国内外研究与发展现状

1.3 声音识别的基本介绍

1.4 论文的组织结构

第2章 频谱特征提取算法在声音识别中的应用

2.1 涌潮声音信号时域、频域分析

2.2 涌潮声音特征提取

2.3 声音信号动态特征参数的提取

2.4 本章小结

第3章 声音识别算法的研究

3.1 BP神经网络

3.2 支持向量机(SVM)

3.3 本章小结

第4章 基于LPCC与BP神经网络的涌潮检测方法

4.1 实验软件介绍

4.2 涌潮声音的采集与声音库的建立

4.3 涌潮声音识别系统的构建

4.4 实验结果分析与研究

4.5 本章小结

第5章 基于MFCC与支持向量机的涌潮检测方法

5.1 实验软件介绍

5.2 涌潮声音的采集与声音库的建立

5.3 涌潮声音识别系统的构建

5.4 实验结果分析与研究

5.5 基于C#的涌潮识别系统的构建

5.6 本章小结

第6章 总结与展望

6.1 研究工作总结

6.2 研究展望

致谢

参考文献

附录