基于MFCC和HMM的气固流型辨识

作者：胡红利; 闫洁冰; 邢文奇; 张炜

来源：沈阳工业大学学报, 2013, (05): 555-560.

• 气固两相流
• 测控装置
• 语音信号处理
• 流型识别
• 梅尔频率倒谱系数
• 静电传感器
• 流动噪声信号
• 连续高斯混合密度隐马尔科夫模型 gas-solid two-phase flow
• detection and control device
• speech signal processing
• flow regime identification
• mel-frequency cepstrum coefficient(MFCC)
• electrostatic sensor
• flow noise signal
• continuous Gaussian mixture hidden Markov model(CGHMM)

针对气力输送管道中测控装置后常见的三种过渡流型,即中心流、环状流和层状流,采用静电传感器作为测量装置获得静电流动噪声信号,借鉴语音信号处理方法,提取静电流动噪声信号的梅尔频率倒谱系数(MFCC)及其一阶差分作为特征参数,用特征参数训练连续高斯混合密度隐马尔科夫模型(CGHMM),建立不同流型的模型库,再用训练好的CGHMM模型对提取的特征参数进行分类,进而实现流型识别.实验结果表明,该方法识别率达到98%,为气固流流型识别及气力输送测控装置提供了新的研究方法.

• 单位
  电力设备电气绝缘国家重点实验室; 西安交通大学