基于MFCC-SVM和交叉验证方法的环境音分类.pdf

计 算 机 与 现 代 化 2016年第8期 JISUANJIYUXIANDAIHUA 总第252期 文章编号 ：1006-2475(2016)08-0036-04 基于 MFCC—SVM和交叉验证方法的环境音分类 李玲俐 (广东司法警官职业学院信息管理系，广东 广州 510520) 摘要：用于音乐和语音的识别方法不适用于环境音的识别。提 出一种基于MFCC(Mel频率倒谱 系数)-SVM(支持 向量 机)的方法，使用特征表示和学习优化共同来实现办公室 l0种环境音的分类。环境音数据使用的是 IEEEAudioandA． cousticSignalProcessing(AASP)ChallengeDataset下栽的标准数据集。在分析和优化SVM参数过程中，通过改变Mel系 数参数的个数，充分考虑有效的MFCC特征表示。实验结果表明，使用MFCC特征和 sVM分类器，采用5．折交叉验证的 测试方法，得到的平均分类准确率可达88．05％，分类效果明显优于默认的MFCC．SVM算法。 关键词：Mel频率倒谱 系数 ；支持向量机；交叉验证 ；环境音分类；特征提取 中图分类号：，I’P391．42 文献标识码：A doi：10．3969／j．issn．1006-2475．2016．08．008 EnvironmentalSoundClassificationBasedonNⅡCC．SVM andCrossValidationMethod (DepartmentofInformationManagement，GuangdongJusticePoliceVocationalCollege，Guangzhou510520，China) Abstract：Ingeneral，recognitionmethodsappliedformusicnadspeechdataalenotappropriateofrtheenvironmentalsounds．In thispaper，weproposeaMFCC(Melfrequencycepstrum coefficients)一SVM(supportvectormachine)一basedapproachthatex- ploitsfeaturerepresentationandlearneroptimizationtoachievetheclassificationof10differentenvironmental soundssignalsin theoffice．EnvironmentalsoundseventsaleobtainedbyusingtheIEEEAASP(AudionadAcousticSingalProcessing)Challenge Dataset．TheproposedapproachconsidersefficientrepresentationofMFCCfeaturesbychan~ngthenumberofMe1coefficientsin analyzingaswellas optimizingtheSVM parameters．Experimentshowsthat，whenhteresultsof hteproposedmethodsalechosen ofrMFFCfeatureandSVM classifier，thetestsconductedthroughusing5-foldcrossvalidation，theaverageclassificationaccuracy Cna beupto88．05％ ．TheclassificationeffectissingificantlybetterthanhtedefaultMFCC-SVM algorithm． Keywords：Melfrequencycepstrum coefficients(MFCC)；supportvectormachine(SVM)；crossvalidation；environmental soundsclassification；featureextraction