高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于MFCC与神经网络的小蠹声音种类自动鉴别

罗茜 王鸿斌 张真 孔祥波

罗茜, 王鸿斌, 张真, 孔祥波. 基于MFCC与神经网络的小蠹声音种类自动鉴别[J]. 北京林业大学学报, 2011, 33(5): 81-85.
引用本文: 罗茜, 王鸿斌, 张真, 孔祥波. 基于MFCC与神经网络的小蠹声音种类自动鉴别[J]. 北京林业大学学报, 2011, 33(5): 81-85.
LUO Qian, WANG Hong-bin, ZHANG Zhen, KONG Xiang-bo. Automatic stridulation identification of bark beetles based on MFCC and BP Network.[J]. Journal of Beijing Forestry University, 2011, 33(5): 81-85.
Citation: LUO Qian, WANG Hong-bin, ZHANG Zhen, KONG Xiang-bo. Automatic stridulation identification of bark beetles based on MFCC and BP Network.[J]. Journal of Beijing Forestry University, 2011, 33(5): 81-85.

基于MFCC与神经网络的小蠹声音种类自动鉴别

Automatic stridulation identification of bark beetles based on MFCC and BP Network.

  • 摘要: 昆虫发出的各种声音具有种间特异性,是非常可靠的分类依据。利用这一特性,本实验旨在探索一种对昆虫自动分类的新方法。本实验录制了红脂大小蠹、云南切梢小蠹、短毛切梢小蠹和华山松大小蠹4种小蠹虫的胁迫声,利用Adobe Adition2.0对每个声音文件进行降噪,再将其截取成只含有一个脉冲组的声音片段。在MATLAB环境下对这些声音片段进行端点监测并提取12维的MFCC(Mel频率倒谱系数),然后将此特征参数输入BP神经网络进行训练和检测。设置训练样本数为20、40、60、80、100,4种小蠹检测样本数分别为54、95、54、50,结果显示识别率随着训练样本数的增加而提高,在训练样本量为100时的最高识别率达到98.14%,平均识别率为93.29%,收到了较好的效果。为了验证小蠹种类数对识别率的影响,本实验对4种小蠹进行了两两比较,结果显示总体上高于4种一起识别的结果。
  • [1] 朱莉, 马婧尧, 孟兆新, 石晋菘, 邢鑫, 姜中金.  基于自适应遗传优化递归神经网络的木工送料平台补偿控制研究 . 北京林业大学学报, 2020, 42(12): 125-134. doi: 10.12171/j.1000-1522.20200248
    [2] 江涛, 王新杰.  基于卷积神经网络的高分二号影像林分类型分类 . 北京林业大学学报, 2019, 41(9): 20-29. doi: 10.13332/j.1000-1522.20180342
    [3] 沈剑波, 王应宽, 雷相东, 雷渊才, 汪求来, 叶金盛.  基于BP神经网络的广东省针阔混交异龄林立地质量评价 . 北京林业大学学报, 2019, 41(5): 38-47. doi: 10.13332/j.1000-1522.20190028
    [4] 胡静, 陈志泊, 杨猛, 张荣国, 崔亚稷.  基于全卷积神经网络的植物叶片分割算法 . 北京林业大学学报, 2018, 40(11): 131-136. doi: 10.13332/j.1000-1522.20180007
    [5] 于慧伶, 麻峻玮, 张怡卓.  基于双路卷积神经网络的植物叶片识别模型 . 北京林业大学学报, 2018, 40(12): 132-137. doi: 10.13332/j.1000-1522.20180182
    [6] 张怡卓, 侯弘毅, 潘屾.  基于纤维角预测的针叶材抗压弹性模量建模方法 . 北京林业大学学报, 2018, 40(5): 103-109. doi: 10.13332/j.1000-1522.20180058
    [7] 刘念, 阚江明.  基于多特征融合和深度信念网络的植物叶片识别 . 北京林业大学学报, 2016, 38(3): 110-119. doi: 10.13332/j.1000-1522.20150267
    [8] 林卓, 吴承祯, 洪伟, 洪滔.  基于BP神经网络和支持向量机的杉木人工林收获模型研究 . 北京林业大学学报, 2015, 37(1): 42-54. doi: 10.13332/j.cnki.jbfu.2015.01.008
    [9] 王丽君, 淮永建, 彭月橙.  基于叶片图像多特征融合的观叶植物种类识别 . 北京林业大学学报, 2015, 37(1): 55-69. doi: 10.13332/j.cnki.jbfu.2015.01.006
    [10] 常虹, 郝德君, 杨晓军, 肖荣堂, 刘勇, 钱路, 安榆林.  小蠹科昆虫基因组DNA提取方法的比较研究 . 北京林业大学学报, 2013, 35(2): 75-79.
    [11] 王轶夫, 孙玉军, 郭孝玉.  基于BP神经网络的马尾松立木生物量模型研究 . 北京林业大学学报, 2013, 35(2): 17-21.
    [12] 孙伶君, 汪杭军, 祁亨年.  基于分块LBP的树种识别研究 . 北京林业大学学报, 2011, 33(4): 107-112.
    [13] 黄家荣, 高光芹, 孟宪宇, 关毓秀.  基于人工神经网络的林分直径分布预测 . 北京林业大学学报, 2010, 32(3): 21-26.
    [14] 张金屯, 孟东平, 席跃翔.  自组织神经影射网络排序及其在植物群落分析中的应用 . 北京林业大学学报, 2008, 30(1): 1-5.
    [15] 李春艳, 华德尊, 陈丹娃, 王萍, 任佳.  人工神经网络在城市湿地生态环境质量评价中的应用 . 北京林业大学学报, 2008, 30(增刊1): 282-286.
    [16] 胡淑萍, 余新晓, 王小平, 秦永胜, 陈俊崎.  人工神经网络在流域植被类型优化中的应用 . 北京林业大学学报, 2008, 30(supp.2): 1-5.
    [17] 曲红, 刘美芹, 金莹, 李艳华, 乔海莉, 郝晨, 孙青, 李在留, 范丙友, 程堂仁, 欧阳杰, 隋金玲, 熊丹, 胡晓丹, 段旭良, 贺窑青, 胡海英, 石娟, 姚娜, 刘丽, 王丰俊, 孙月琴, 雷庆哲, 李莉, 周章义, 王莉, 张玲, 陈佳, 沈昕, 田呈明, 骆有庆, 王建中, 周燕, 冯菁, 尹伟伦, 陈晓阳, 冯秀兰, 郑彩霞, 武彦文, 张艳霞, 张香, 李凤兰, 续九如, 张志毅, 陈发菊, 骆有庆, 张德权, 陆海, 孙爱东, 康向阳, 尹伟伦, 郭锐, 李云, 赵亚美, 路端正, 阎伟, 武海卫, 吴晓成, 王百田, 卢存福, 梁华军, 孙爱东, 安新民, 王晓东, 梁宏伟, 胡晓丹, 阎晓磊, 胡德夫, 姜金仲, 骆有庆, 沈繁宜, 马钦彦, 李忠秋, 郑永唐, 蒋湘宁, 骆有庆, 赵蕾, 王华芳, 高述民, 史玲玲, 郝俊, 冯晓峰, 骈瑞琪, 严晓素, 尹伟伦, 王建中, 张志翔, 王华芳, 刘玉军, 冯仲科, 于京民2, 李凯, 郭晓萍, 谢磊, 崔彬彬
    , 王晓楠, 高荣孚, 王冬梅, 王瑛, 赵兵, 王玉兵, 邹坤, 吴坚, 温秀凤3, 陶凤杰, 李镇宇, 王玉春, 张庆, 林善枝, 陈卫平, 李凤兰, 张兴杰, 丁霞, 杨伟光, 呼晓姝, 沈应柏, 孙建华, 刘玉军, 刘艳, 王民中, 付瑞海, 蒋平, 汪植, 马建海, 赵新丽.  青海云杉天然林内小蠹种群空间生态位的研究 . 北京林业大学学报, 2007, 29(5): 165-169.
    [18] 何亚平, 胡万良, 秦爱光, 王费新, 刘杏娥, 张洪江, 袁怀文, 毛俊娟, 邓小文, 黄荣凤, 李瑞, 杨平, 胡胜华, 周永学, 殷亚方, 白岗栓, 郑小贤, 颜绍馗, 高黎, 张莉俊, 张璧光, 魏潇潇, 吴彩燕, 王芳, 费世民, 赵天忠, 樊军锋, 罗晓芳, 王小青, 张克斌, 王兆印, 汪思龙, 刘燕, 李猛, 常旭, 杜社妮, 孙向阳, 戴思兰, 王胜华, 张岩, 崔赛华, 王晓欢, NagaoHirofumi, 乔建平, 谭学仁, 王正, 张占雄, 王海燕, 孔祥文, 范冰, 张旭, 徐嘉, 高荣孚, 李华, 江玉林, 陈放, 韩士杰, 张双保, 江泽慧, KatoHideo, 李昀, 刘云芳, 龚月桦, , 任海青, 陈秀明, 李媛良, 郭树花, 常亮, , IdoHirofumi, 杨培华, 陈宗伟, 侯喜录, 刘秀英, 李晓峰, 丁磊, 蒋俊明, 费本华, , 徐庆祥, 薛岩, 张代贵, 张桂兰, 陈学平, 李考学, , 高建社, 王晓东, , 续九如, 李雪峰, 涂代伦, 刘永红, 金鑫, 张红丽, , , 丁国权, .  Elman动态递归神经网络在树木生长预测中的应用 . 北京林业大学学报, 2007, 29(6): 99-103.
    [19] 王兰珍, 吴丽娟, 李雪华, 赵铁珍, 周传艳, 李义良, 李生宇, 耿玉清, 方升佐, 王立海, HUALi_zhong, 张冬梅, 党文杰, 刘鹏举, 朱小龙, 薛康, 李国雷, 刘剑锋, 韦艳葵, 王旭, 任强, 段文霞, 汪杭军1, 李振基, 雷加强, 杨慧敏, 李建章, 何茜, 宋永明, 余新晓, 刘勇, 方陆明, 黎明, 尹光彩, 周亮, 杨娅, 刘勇, 朱波, 周国逸, 高岚, 韩士杰, 崔同林, 阎秀峰, 周宇飞, JIANGXi_dian, 苏晓华, 玲, 王清文, 孙向阳, 徐扬, 王春林, 虞木奎, 唐小明, 张冰玉, 沈熙环, 周国逸, 徐新文, 李吉跃, 鹿振友, 赖志华, 刘锐, 柯水发, 喻理飞, 宗文君, 程云清, HEXiu_bin, 王新杰, 国庆, 3, 周晓梅, 宋爱琴, 李丙文, 王伟宏, 李俊清, 李晓兰, , 郭蓓, 茹广欣, 齐涛, 孙阁, 陈峻崎, 陈培金, 陈实, 温亚利, 张志毅, 王建林, 蒋德明, 王旭, 张可栋, 王晓静, 周玉平, 姚永刚, 唐旭利, 长山, 刘志明, 宋湛谦, 王春林, 关少华, 陈放, 赵双荣, 杨伟伟, 闫俊华, 郑凌峰.  小波和神经网络在色木孔洞缺陷超声定量检测中的应用 . 北京林业大学学报, 2007, 29(2): 128-132.
    [20] 王岩, 孙宇瑞, 冶民生, 谢响明, 何磊, 蒋佳荔, 李绍才, 张学俭, 罗菊春, 侯旭, 柳新伟, 张文娟, 张金凤, 李云成, 朱妍, 高鹏, 盖颖, 贺庆棠, 王盛萍, 李永慈, 李吉跃, 吕建雄, 申卫军, 何静, 关文彬, 张华丽, 崔保山, 孙海龙, 廖学品, 唐守正, 王文棋, 昌明, 成仿云, 冯仲科, 张志强, 康向阳, 陆佩玲, 吴玉英, 马道坤, 李小飞, 于晓南, 石碧, 杨志荣, 王军辉, 张桂莲, 蒋湘宁, 关毓秀, 吴斌, 静洁, 路婷, 张平冬, 史剑波, 何权, 孙阁, 赵广杰, 陈永国, 王尚德, 蒲俊文, 张满良, 孙晓霞, 马克明, 彭少麟, 汪燕, 赵燕东, 胡文忠, 余新晓, 刘国华, 林威, 汪西林, .  马尾松人工林直径分布神经网络模型研究 . 北京林业大学学报, 2006, 28(1): 28-31.
  • 加载中
计量
  • 文章访问数:  1095
  • HTML全文浏览量:  86
  • PDF下载量:  37
  • 被引次数: 0
出版历程
  • 收稿日期:  1900-01-01
  • 修回日期:  1900-01-01
  • 刊出日期:  2011-09-30

基于MFCC与神经网络的小蠹声音种类自动鉴别

摘要: 昆虫发出的各种声音具有种间特异性,是非常可靠的分类依据。利用这一特性,本实验旨在探索一种对昆虫自动分类的新方法。本实验录制了红脂大小蠹、云南切梢小蠹、短毛切梢小蠹和华山松大小蠹4种小蠹虫的胁迫声,利用Adobe Adition2.0对每个声音文件进行降噪,再将其截取成只含有一个脉冲组的声音片段。在MATLAB环境下对这些声音片段进行端点监测并提取12维的MFCC(Mel频率倒谱系数),然后将此特征参数输入BP神经网络进行训练和检测。设置训练样本数为20、40、60、80、100,4种小蠹检测样本数分别为54、95、54、50,结果显示识别率随着训练样本数的增加而提高,在训练样本量为100时的最高识别率达到98.14%,平均识别率为93.29%,收到了较好的效果。为了验证小蠹种类数对识别率的影响,本实验对4种小蠹进行了两两比较,结果显示总体上高于4种一起识别的结果。

English Abstract

罗茜, 王鸿斌, 张真, 孔祥波. 基于MFCC与神经网络的小蠹声音种类自动鉴别[J]. 北京林业大学学报, 2011, 33(5): 81-85.
引用本文: 罗茜, 王鸿斌, 张真, 孔祥波. 基于MFCC与神经网络的小蠹声音种类自动鉴别[J]. 北京林业大学学报, 2011, 33(5): 81-85.
LUO Qian, WANG Hong-bin, ZHANG Zhen, KONG Xiang-bo. Automatic stridulation identification of bark beetles based on MFCC and BP Network.[J]. Journal of Beijing Forestry University, 2011, 33(5): 81-85.
Citation: LUO Qian, WANG Hong-bin, ZHANG Zhen, KONG Xiang-bo. Automatic stridulation identification of bark beetles based on MFCC and BP Network.[J]. Journal of Beijing Forestry University, 2011, 33(5): 81-85.

目录

    /

    返回文章
    返回