基于多尺度梅尔倒谱系数的转辙机声信号状态识别方法

姜琦; 冯庆胜

首页> 中文期刊> 《科学技术与工程》 >基于多尺度梅尔倒谱系数的转辙机声信号状态识别方法

基于多尺度梅尔倒谱系数的转辙机声信号状态识别方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

为了准确地识别铁路转辙机所处的工作状态,保证列车能够安全行驶并转向,提出了一种基于声音信号的转辙机状态识别方法。首先将声音信号预处理后提取其梅尔倒谱系数(Mel frequency cepstrum coefficient,MFCC);为更加全面表征转辙机声信号的特点,对MFCC进行改进得到多尺度MFCC特征;引入卷积神经网络(convolutional neural network,CNN)构建转辙机声信号识别模型,并采用五折交叉验证法获得两种特征的识别准确率。将S700K型转辙机在4种状态下运行时采集的真实声音信号进行训练和测试。结果表明:多尺度MFCC特征可使转辙机声音状态识别准确率至少提高7.5%。并且在低信噪比(signal-to-noise ratio,SNR)下,多尺度MFCC特征也有更好的表现,其准确率相较传统MFCC可提升35%。

著录项

来源
《科学技术与工程》 |2022年第16期|6680-6686|共7页
作者
姜琦; 冯庆胜;
展开▼
作者单位

大连交通大学自动化与电气工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类铁路信号;
关键词
梅尔倒谱系数(MFCC); 卷积神经网络(CNN); 交叉验证; 状态识别; 转辙机;

相似文献

中文文献
外文文献
专利

1. 基于梅尔频率倒谱系数与翻转梅尔频率倒谱系数的说话人识别方法 [J] . 胡峰松 ,张璇 . 计算机应用 . 2012,第9期
2. 基于梅尔频率倒谱系数和支持向量机的汽车鸣喇叭声识别 [J] . 陈东 ,黄智鹏 . 科学技术与工程 . 2021,第011期
3. 基于梅尔倒谱系数的矿山复杂微震信号自动识别分类方法 [J] . 何正祥 ,彭平安 ,廖智勤 . 中国安全生产科学技术 . 2018,第12期
4. 水下声目标的梅尔倒谱系数智能分类方法 [J] . 张少康 ,田德艳 . 应用声学 . 2019,第002期
5. 采用Mel倒谱参数的咳嗽声识别方法 [J] . 尹永 ,莫鸿强 . 信息技术 . 2012,第010期
6. 基于小波包分解和多尺度熵的设备状态识别方法研究 [C] . ZHOU Shuai ,周帅 ,LI Hong-kun . 2012年全国振动工程及应用学术会议 . 2012
7. 基于倒谱的水声材料声反射系数测量方法研究 [A] . 屈武 . 2018

基于多尺度梅尔倒谱系数的转辙机声信号状态识别方法

摘要

著录项

相似文献

相关主题

期刊订阅