%0 Journal Article
%T VMD 与PSO 的乐器声音识别
%A 黄英来
%A 任田丽
%A 赵鹏
%J 哈尔滨理工大学学报
%D 2018
%R 10． 15938 /j． jhust． 2018． 02． 002
%X 针对乐器音频信号的识别率低的问题，提出了一种变分模态分解( VMD) 和被粒子群 算法( PSO) 优化的支持向量机( SVM) 的乐器音频信号识别的方法。采用VMD 将乐器音频信号分 解成一系列平稳的窄带分量( IMF) ，并根据相关系数重构信号，采用小波去除残余的噪声。最后， 在分析传统的声音特征提取方法基础上，提取梅尔频率倒谱系数( MFCC) ，用经PSO 寻优参数的 SVM 进行音频信号的分类。实验结果表明，本文算法的去噪效果明显优于经验模态分解( EMD) 和 集合经验模态分解( EEMD) 的分析结果; PSO 优化后的SVM 有效的提高了噪声环境下音频信号分 类的正确率
%K (变分模态分解
%K 小波去噪
%K 梅尔频率倒谱系数
%K 粒子群算法
%K 支持向量机
%U http://hlgxb.hrbust.edu.cn//oa/darticle.aspx?type=view&id=20180202