[发明专利]基于MFCC和HMM的次声信号识别方法、系统和设备

权利要求书

1.一种基于MFCC和HMM的次声信号识别方法，其特征在于，

步骤1，设计针对次声信号的美尔滤波器；根据次声信号的实际频率，基于人耳的听觉特性，将实际频率转换为符合人耳听觉特性的美尔频率；分频率特征提取，将声纹频率划分成一系列三角形的滤波器序列；

步骤2，基于准稳态声纹数据分帧的美尔频率倒谱系数特征提取；包括弹道波声纹数据分帧和加窗函数，快速傅里叶变换，计算谱线能量，计算通过美尔滤波器的能量，计算DCT倒谱，获得次声信号特征；

步骤3，基于隐马尔科夫模型的信号识别；采用对每个HMM模型设定输出概率阈值，根据声音信号通过同种信号建立的模型输出概率大于阈值，而声音信号通过不同种信号建立的模型输出小于这个阈值来确定信号类别；具体包括：首先，输入已知的次声信号带标签数据，提取MFCC特征，然后进行HMM模型的训练，得到每种次声事件类型对应的HMM模型，得到次声事件对应的HMM参数，进行模型的训练；其次，输入次声信号数据，提取MFCC特征，针对每种类型的HMM计算输出概率，输出概率最大的就为该类次声事件。

2.根据权利要求1所述的方法，其特征在于，步骤1包括，

美尔频率的计算方法为：

F_Mel(f)＝2595*lg(1+f/700)

其中，f表示信号的实际频率，单位是Hz，F_Mel是以美尔(Me l)为单位的感知频率；

在声纹的频谱范围内设置若干带通滤波器H_m(k)，0≤m≤M，m为带通滤波器的序号，M为滤波器的个数；每个滤波器具有三角形滤波特性，第m个带通滤波器的中心频率为f(m)，在Mel频率范围内，这些滤波器是等带宽的；每个带通滤波器的传递函数H_m(k)为：

其中,k为传递函数的参数，

美尔滤波器的中心频率f(m)定义为

其中，f_h和f_l分别为滤波器组的最高频率和最低频率，f_s为采样频率，单位为Hz；N为FFT变换的点数；F_Mel()是频率到Me l频率尺度的转换。