基于改进MFCC的家禽发声特征提取方法  

Feature extraction for poultry vocalization recognition based on improved MFCC

作　　者：李志忠[1] 滕光辉 

机构地区：[1]中国农业大学农业部设施农业生物环境工程重点实验室水利与土木工程学院,北京100083

出　　处：《农业工程学报》2008年第11期202-205,共4页Transactions of the Chinese Society of Agricultural Engineering

基　　金：科技部"863"计划(2006AA10Z238);基于声频和视频的智能化家禽养殖场管理远程信息系统研究;"十一五"科技支撑计划(2006BAD14B01);畜禽新型工业化健康养殖工艺技术关键设备研究;北京市教育委员会共建项目建设计划资助(XK100190650)

摘　　要：动物的发声包含丰富的信息,能够在一定程度上反馈其自身机体状况及对环境的应激情况,因此发声已成为评价动物福利的一个重要参考指标。为了实现对动物发声信息的自动采集与分析,该研究针对蛋鸡,探索采用不同特征提取算法用于识别蛋鸡叫声。在分析线性预测倒谱参数(LPCC)与梅尔频标倒谱系数法(MFCC)的基础上,结合识别的目标,提出了改进的平均梅尔频标倒谱系数法(AMFCC),并针对三种不同的特征提取算法采用支持向量机分类模型进行了正确识别效率验证,结果表明改进的AMFCC方法比前两种算法正识效率有显著提高。Animal＇s sound has rich information. Animal＇s health status and adaption for environment can be fed back from vocalism. Vocalization has been the important way for measuring animal welfares. For the auto recording and analysis of animal sound, some ways were studied for sound feature extraction. On the basis of Liner Prediction Coefficient （LPC） and Mel-Frequency-Cepstral Coefficient （MFCC）, a new algorithm for feature extraction--Average MFCC was introduced. For evaluating the improvement of poultry sound recognition, SVM classification model was used to perform the experiments, the results showed that performance was obviously improved.

关 键 词：特征提取 蛋鸡发声 叫声识别 平均梅尔频标倒谱系数 

分 类 号：TN911.72[电子电信—通信与信息系统] S811.8[电子电信—信息与通信工程]