科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着人工智能和大数据的发展，各种场景中对异常声音识别的需求日益增长，基于人工智能的声音识别技术正在兴起并被高度重视。现行主流的异常声音识别算法多为浅层机器学习模型结构，对异常声音的识别率较低，且识别的声音类型单一。为了有效识别异常声音，提出一种基于梅尔频率倒谱系数(Mel-frequency cepstral coefficient, MFCC)和卷积神经网络(convolution neural network, CNN)的环境声音识别算法，对各类异常声音进行采集和有效识别，并及时反馈声音状态，为各类声识别应用场景提供精细化管理技术手段。结果表明：提出的算法对5类场景下环境异常声音的识别率得到极大提高，适用于更广泛的声学场景，具有明显的优势。
- 单位
