排序方式: 共有2条查询结果,搜索用时 46 毫秒
1
1.
为了辅助电网涉鸟故障的差异化防治,提出一种基于组合特征和卷积神经网络
(Convolutional Neural Network,CNN)的电网危害鸟种鸣声识别方法 . 根据历史涉鸟故障的鸟
种信息及输电线路周边鸟种调查结果,选择13种高危鸟类、8种微害鸟类和2种无害鸟类建立
鸣声样本集;对鸟种鸣声信号进行分帧、加窗、降噪和剪裁等预处理,提取鸟鸣 Mel 倒谱系数
(Mel-frequency Cepstrum Coefficients,MFCC)、Gammatone 倒 谱 系 数(Gammatone Frequency
Cepstrum Coefficients,GFCC)和短时能量(Short-term Energy,STE)特征 . 针对单一特征表达能
力不足的问题,将MFCC及其一阶差分、GFCC及其一阶差分和STE归一化后进行组合,生成新
的鸣声特征集 . 搭建卷积神经网络模型对组合特征进行训练和识别,鸟种鸣声测试集的识别
正确率达91.8%,较单一MFCC和GFCC特征表现更为优异. 相似文献
2.
1