基于改进VMD和多尺度排列熵的混合声音事件特征提取

摘要

声音事件特征提取的进步可以提升声音识别系统在噪声背景下的识别性能。将最早用于故障诊断领域的变分模态分解(VMD)算法应用于混合声音事件特征提取,利用粒子群算法(PSO)改进VMD算法,并用经验模态分解(EMD)算法作对比。利用VMD算法和EMD算法对带有简单混合声音事件的信号进行分解,得到多个本征模态分量,计算其相关系数,根据相关最大原则合成和拼接各分量重构信号,确定分量所属类型,结合多尺度排列熵(MPE)计算各分量MPE值,成功提取出发动机信号,在处理简单混合声音信号的过程中,VMD算法优于EMD算法的结果。将PSO-VMD算法、VMD算法、EMD算法应用于更复杂的信号分解处理过程,再结合MPE完成对声音信号的特征提取,最后通过对比MPE分布图,可知VMD算法及PSO-VMD算法更优于EMD算法,在分解信号方面更精确,结合MPE提取特征更容易区分。