公开(公告)号：CN113724712B

公开(公告)日：2023-05-30

申请号：CN202110912736.6

申请日：2021-08-10

申请人： 南京信息工程大学

发明人： 周晓彦 ,  欧昀 ,  李大鹏 ,  刘文强

IPC分类号： G10L17/02 ,  G10L17/04 ,  G10L17/18 ,  G10L17/26 ,  G10L25/24 ,  G10L25/30

摘要： 本发明公开了一种基于多特征融合和组合模型的鸟声识别方法，包括：对读取的原始鸟声音频进行预处理，包括预加重和分帧加窗；提取鸟声的梅尔倒谱系数、梅尔滤波后的能量系数、短时过零率和短时频谱质心四种特征，分别归一化后进行纵向拼接形成融合特征；绘制STFT语谱图；将融合特征和绘制的STFT语谱图分别输入构建的两个基于Inception模块的CNN模型进行训练，训练完成后将两个模型输出的概率数组进行拼接形成一个特征数组，并将该特征数组作为ANN模型的输入进行训练，训练完成后加载上述三个模型的最优参数；将待测的任一鸟声音频输入加载最优参数后的三个模型，得到鸟声识别分类结果。本发明可提高不同鸟声之间特征的差异性，并且提高了鸟声识别准确率。

公开(公告)号：CN113724712A

公开(公告)日：2021-11-30

申请号：CN202110912736.6

申请日：2021-08-10

申请人： 南京信息工程大学

发明人： 周晓彦 ,  欧昀 ,  李大鹏 ,  刘文强

IPC分类号： G10L17/02 ,  G10L17/04 ,  G10L17/18 ,  G10L17/26 ,  G10L25/24 ,  G10L25/30

摘要： 本发明公开了一种基于多特征融合和组合模型的鸟声识别方法，包括：对读取的原始鸟声音频进行预处理，包括预加重和分帧加窗；提取鸟声的梅尔倒谱系数、梅尔滤波后的能量系数、短时过零率和短时频谱质心四种特征，分别归一化后进行纵向拼接形成融合特征；绘制STFT语谱图；将融合特征和绘制的STFT语谱图分别输入构建的两个基于Inception模块的CNN模型进行训练，训练完成后将两个模型输出的概率数组进行拼接形成一个特征数组，并将该特征数组作为ANN模型的输入进行训练，训练完成后加载上述三个模型的最优参数；将待测的任一鸟声音频输入加载最优参数后的三个模型，得到鸟声识别分类结果。本发明可提高不同鸟声之间特征的差异性，并且提高了鸟声识别准确率。