【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于養(yǎng)殖檢測，具體涉及一種基于聲學特征的肉雞喉部非健康狀態(tài)識別方法。
技術(shù)介紹
1、肉雞的叫聲往往能夠體現(xiàn)出肉雞喉部的健康狀態(tài)，通過檢測和分析肉雞叫聲的音頻特征，可以及時發(fā)現(xiàn)肉雞喉部的狀態(tài)，為養(yǎng)殖人提供預警信息，對肉雞進行及時治療，降低肉雞的因病死亡率。
2、音頻分析技術(shù)能夠捕捉肉雞叫聲中的微妙變化，通過生物信號處理、計算機視覺和音頻分析等多種技術(shù)手段結(jié)合，診斷肉雞的喉部健康狀況，盡管音頻技術(shù)在肉雞養(yǎng)殖中展現(xiàn)出了潛在的應用價值，但其實際應用仍面臨諸多挑戰(zhàn)和局限性。目前，針對肉雞養(yǎng)殖的音頻技術(shù)仍處于初步探索階段，技術(shù)成熟度相對較低。不同品種、不同生長階段的肉雞對音頻信號的響應存在差異，如何精準地設計和調(diào)整音頻信號以滿足對肉雞診斷識別的實際需求，仍需進一步研究和驗證。
3、另外，高精度的音頻分析技術(shù)需要高質(zhì)量的音頻播放設備和音頻分析系統(tǒng)，但往往高質(zhì)量的音頻播放設備和音頻分析系統(tǒng)價格不菲。對于中小規(guī)模的肉雞養(yǎng)殖場而言，高昂的設備成本可能成為制約其采用音頻技術(shù)的關(guān)鍵因素。同時，音頻技術(shù)的實施需要養(yǎng)殖者具備一定的技術(shù)知識和操作技能，部分養(yǎng)殖者可能難以掌握音頻分析技術(shù)的操作要點，從而影響其應用效果。
4、因此，需要設計一種基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，能夠使用盡可能低的設備成本、簡單的操作方法，通過音頻數(shù)據(jù)對肉雞的健康狀態(tài)進行識別，提高肉雞喉部健康狀態(tài)檢測的效率和準確性。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)涉及一種基于聲學特征的肉雞喉部非健康
2、為了實現(xiàn)上述目標，本專利技術(shù)提供如下技術(shù)方案：
3、一種基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，步驟如下，包括，
4、s01、采集多段肉雞語音段，并對語音段進行分類標記，得到分類標記后的語音段；
5、s02、對分類標記后的語音段進行去噪處理和端點檢測，得到識別語音段；
6、s03、提取識別語音段中的聲學特征參數(shù)，將聲學特征參數(shù)進行矩陣拼接，得到特征參數(shù)矩陣，輸出特征參數(shù)矩陣，其中，所述聲學特征參數(shù)包括wmfcc系數(shù)、wimfcc系數(shù)和lpcc系數(shù)，所述wmfcc系數(shù)的提取過程包括，采用小波變換的方式得到識別語音段的頻譜表示，并將識別語音段的頻譜表示分別輸入不同類型的濾波器組，得到每個濾波器組劃分的每個頻段的能量值或其他頻譜特征，形成頻率-能量矩陣；
7、s04、對特征參數(shù)矩陣進行矩陣融合和降維處理，得到低維矩陣；
8、s05、將低維矩陣輸入到改進的高斯混合-隱馬爾可夫模型中進行訓練，形成識別模型；
9、s06、將待測數(shù)據(jù)輸入到識別模型中進行識別，輸出識別結(jié)果。
10、進一步的，所述提取語音段中的聲學特征的步驟包括，
11、提取wmfcc系數(shù)，所述提取wmfcc系數(shù)的步驟為：
12、s11、對聲音段信號進行預加重、分幀加窗處理，得到對聲音段的每一幀加窗后的信號，加窗處理的函數(shù)采用海寧窗；
13、s12、對每一幀加窗后的信號進行離散小波變換，得到每一幀的頻譜表示，進行離散小波變換的目的是將時域信號轉(zhuǎn)換成頻域信號；
14、s13、將每一幀的頻譜表示輸入到一組梅爾濾波器組中，將頻率進行非線性劃分，對每一組梅爾濾波器組的輸出能量和頻譜特征進行矩陣組合，形成頻率-能量矩陣，對頻率-能量矩陣取對數(shù)，將其轉(zhuǎn)換為對數(shù)梅爾頻譜；
15、s14、將對數(shù)梅爾頻譜進行復小波變換，得到wmfcc系數(shù)，將wmfcc系數(shù)進行歸一化處理，輸出語音段中的wmfcc系數(shù)。
16、進一步的，所述復小波變換將頻域特征引入到變換中，通過加權(quán)組合的方法對不同尺度下的音頻特征進行組合，在加權(quán)組合的方法中使用權(quán)重、尺度數(shù)量和偏移量對音頻特征進行限定，能夠更有效地捕捉音頻信號的音質(zhì)特征，提高音頻信號分析的精確度。
17、進一步的，所述梅爾濾波器組為一組在梅爾頻率尺度上等間隔分布的三角帶通濾波器，梅爾濾波器組能夠?qū)︻l率進行非線性劃分，通常使用24個梅爾濾波器來覆蓋整個頻率范圍。
18、進一步的，所述梅爾濾波器組的類型包括，
19、等響度濾波器組，所述等響度濾波器組基于人耳對不同頻率的響度敏感性，設置密集的低頻濾波器和較稀疏的高頻濾波器，使高頻、中頻和低頻的響度感知在相同的頻帶范圍上；
20、諧波濾波器組，所述諧波濾波器組基于音高的諧波特性，以基頻為基礎，將相同的幾個諧波濾波器的中心頻率按不同的整數(shù)倍數(shù)遞增，分別在各個濾波器的中心頻率附近設置窄頻帶以捕捉主要諧波特征；
21、共振峰濾波器組，所述共振峰濾波器組基于語音的共振峰特性，將共振峰值頻率設置為常見的人聲共振頻率，使濾波器在共振峰周圍集中，能夠抓取特定頻率下的聲學特征；
22、音調(diào)濾波器組，所述音調(diào)濾波器組主要用于捕捉低到超高音頻段的音高特征，以起始頻率為基準，對音調(diào)進行對數(shù)間隔排列，通常選擇倍數(shù)遞增的方式排列，在音調(diào)頻率附近采用較寬的帶寬來覆蓋音調(diào)變化，能夠覆蓋從低音到高音的寬廣頻域；
23、頻譜特征濾波器組，所述頻譜特征濾波器組主要用于捕捉聲音的頻譜重心及其變化，以低頻起點頻率為基準，采用指數(shù)遞增的形式均勻覆蓋頻譜，在音調(diào)頻率附近采用對數(shù)增加的方式調(diào)整覆蓋范圍，頻譜特征濾波器組的覆蓋范圍能夠完全覆蓋從低頻到超高頻的音調(diào)變化，適用于分析整體頻譜特性。
24、進一步的，所述提取語音段中的聲學特征參數(shù)的過程還包括，
25、提取wimfcc系數(shù)，所述提取wimfcc系數(shù)的步驟為：
26、s21、對聲音段信號進行預加重、分幀加窗處理，得到對聲音段的每一幀加窗后的信號，加窗處理的函數(shù)采用海寧窗；
27、s22、對每一幀加窗后的信號進行離散小波變換，得到每一幀的頻譜表示，進行離散小波變換的目的是將時域信號轉(zhuǎn)換成頻域信號；
28、s23、將每一幀的頻譜表示輸入到一組逆梅爾濾波器組中，將頻率進行非線性劃分，對每一組逆梅爾濾波器組的輸出能量和頻譜特征進行矩陣組合，形成逆頻率-能量矩陣，對逆頻率-能量矩陣取對數(shù)，將其轉(zhuǎn)換為對數(shù)梅爾頻譜；
29、s24、將逆對數(shù)梅爾頻譜進行復小波變換，得到wimfcc系數(shù)，將wimfcc系數(shù)進行歸一化處理，輸出語音段中的wimfcc系數(shù)。
30、進一步的，所述提取語音段中的聲學特征參數(shù)的過程還包括，
31、提取lpcc系數(shù)，所述提取lpcc系數(shù)的步驟為：
32、s31、對聲音段信號進行加窗處理，得到對聲音段的每一幀加窗后的信號，加窗處理的函數(shù)采用海寧窗；
33、s32、對每一幀加窗后的信號進行自相關(guān)序列計算，得到信號與其自身延遲版本之間的相似度；
34、s33、將得到的自相關(guān)序列初始化，存儲得到的初始化序列；
35、s34、將初始化序列輸入到lev本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，步驟如下，包括，
2.根據(jù)權(quán)利要求1所述的基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，所述提取語音段中的聲學特征參數(shù)的過程包括，
3.根據(jù)權(quán)利要求2所述的基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，所述復小波變換將頻域特征引入到變換中，通過加權(quán)組合的方法對不同尺度下的音頻特征進行組合，在加權(quán)組合的方法中使用權(quán)重、尺度數(shù)量和偏移量對音頻特征進行限定，能夠更有效地捕捉音頻信號的音質(zhì)特征，提高音頻信號分析的精確度。
4.根據(jù)權(quán)利要求3所述的基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，所述梅爾濾波器組為一組在梅爾頻率尺度上等間隔分布的三角帶通濾波器，梅爾濾波器組能夠?qū)︻l率進行非線性劃分，通常使用24個梅爾濾波器來覆蓋整個頻率范圍。
5.根據(jù)權(quán)利要求4所述的基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，所述梅爾濾波器組的類型包括，
6.根據(jù)權(quán)利要求5所述的基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，所述提取語音段中的聲學特
7.根據(jù)權(quán)利要求6所述的基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，所述提取語音段中的聲學特征參數(shù)的過程還包括，
8.根據(jù)權(quán)利要求7所述的基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，所述對特征參數(shù)矩陣進行矩陣融合的方法包括，使用主成分分析對特征參數(shù)矩陣進行特征降維處理，得到低維矩陣；
9.根據(jù)權(quán)利要求8所述的基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，所述低維矩陣優(yōu)選一維矩陣。
10.根據(jù)權(quán)利要求9所述的基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，所述改進的高斯混合-隱馬爾可夫模型，包括，
...【技術(shù)特征摘要】
1.一種基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，步驟如下，包括，
2.根據(jù)權(quán)利要求1所述的基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，所述提取語音段中的聲學特征參數(shù)的過程包括，
3.根據(jù)權(quán)利要求2所述的基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，所述復小波變換將頻域特征引入到變換中，通過加權(quán)組合的方法對不同尺度下的音頻特征進行組合，在加權(quán)組合的方法中使用權(quán)重、尺度數(shù)量和偏移量對音頻特征進行限定，能夠更有效地捕捉音頻信號的音質(zhì)特征，提高音頻信號分析的精確度。
4.根據(jù)權(quán)利要求3所述的基于聲學特征的肉雞喉部非健康狀態(tài)識別方法，其特征在于，所述梅爾濾波器組為一組在梅爾頻率尺度上等間隔分布的三角帶通濾波器，梅爾濾波器組能夠?qū)︻l率進行非線性劃分，通常使用24個梅爾濾波器來覆蓋整個頻率范圍。
5.根據(jù)權(quán)利要求4所述的基于...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳長喜，孔祥超，孫博文，張萬潮，彭星凱，
申請(專利權(quán))人：天津農(nóng)學院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。