VMD与PSO的乐器声音识别

摘要：

针对乐器音频信号的识别率低的问题,提出了一种变分模态分解(VMD)和被粒子群算法(PSO)优化的支持向量机(SVM)的乐器音频信号识别的方法.采用VMD将乐器音频信号分解成一系列平稳的窄带分量(IMF),并根据相关系数重构信号,采用小波去除残余的噪声.最后,在分析传统的声音特征提取方法基础上,提取梅尔频率倒谱系数(MFCC),用经PSO寻优参数的SVM进行音频信号的分类.实验结果表明,本文算法的去噪效果明显优于经验模态分解(EMD)和集合经验模态分解(EEMD)的分析结果;PSO优化后的SVM有效的提高了噪声环境下音频信号分类的正确率.

关键词：变分模态分解、小波去噪、梅尔频率倒谱系数、粒子群算法、支持向量机

所属期刊栏目：23

分类号：TP391(计算技术、计算机技术)

资助基金：新世纪优秀人才基金NCET-12-0809;国家自然科学基金31670717

在线出版日期：2018-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：6-11