摘要：研究目的:室外路基土连续压实技术中所采用的表征指标,大多是在振动压路机钢轮上采集的振动加速度信号频率、幅值的基础上换算得到的,受跳振及机械自振影响表征效果差,信号也未得到深度挖掘。为了能找到可靠表征土体压实度的指标,本文在室内测试分析的同时引入声源材料识别技术,并基于人耳听觉和心理学,结合材料物理属性研究提取音色特征,以提高土体压实度的识别率。试验通过在室内激励不同压实度土样,采集加速度信号和声音信号,引入MIRtoolbox音色工具箱,采用听觉感知原理的冲击声特征提取法提取声音中的音色特征,并将此方法应用到加速度信号的特征提取。研究结论:(1)当锤击力为55 N±5 N级时,加速度和声音信号中提取的特征值mfcc6max与土样压实度秩相关系数分别为0.81和0.69,即可采用特征值mfcc6max作为表征土体压实度的指标;(2)反向识别土体压实度时,锤击力控制在55 N±5N,加速度信号中计算得到的mfcc6max值代入相关性方程y=0.014x-0.92,或声音信号中计算得到的mfcc6max值代入相关性方程y=0.018x-1.09,得到的两个y值可较好地反向预测土体压实度;(3)本试验中表征土体压实度的特征值和方法,可以进一步应用到室外连续压实技术中,并从根本上区别于传统的连续压实技术指标,对提高土体识别率具有指导作用。

摘要：语音信号特征参数的提取是语音技术的难点,本文提出了一种采用FPGA提取mfcc参数的方法,利用了FPGA的查找表结构,采用VHDL语言与DSP Builder相结合的方式进行设计,大大提高了信号处理速度和研发周期。

摘要：提出了在FPGA上实现语音mfcc特征提取的方法,巧妙设计了FFT、三角滤波、取对数和DCT的硬件结构,采用多时钟、状态机、模块复用、IP核和多级流水技术,大大提高了运算速度,实验表明与软件相比,结果误差在1%以内,50M时钟频率下每秒语音数据计算时间仅为8.5 ms,与VQ、HMM结合后,对系统识别率影响可以忽略,达到了嵌入式实时系统的应用要求。

摘要：mfcc参数和LPCC参数是说话人识别中两种最常用的特征参数,研究了mfcc和LPCC参数提取的算法原理及差分倒谱参数的提取方法,采用mfcc、LPCC及其一阶、二阶差分作为特征参数,通过k均值算法与三层BP神经网络来进行说话人识别。实验结果表明,该方法可以有效提高识别率,同时也验证mfcc参数的鲁棒性优于LPCC参数。

摘要：音符识别是音乐信号分析处理领域内非常重要的研究内容,它为计算自动识谱、乐器调音、音乐数据库检索和电子音乐合成提供技术基础。传统的音符识别方法通过估计音符基频与标准频率进行一一对应识别。然而一一对应较为困难,且随着音符基频的增大将导致误差增大,可识别的音符基频范围不广。为此,文中采用分类的思想进行音符识别。首先,建立所需识别的音符音频库,并针对音乐信号低频信息的重要性,选取梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficients,mfcc)和常数Q变换(Constant Q Transform,CQT)作为音符信号提取特征。然后,将提取的特征mfcc和CQT分别作为音符识别的单一特征输入和两者特征融合输入;结合Softmax回归模型在多分类问题中的优势以及BP神经网络良好的非线性映射能力与自学习能力,构建基于Softmax回归模型的BP神经网络多分类识别器。在MATLAB R2016a的仿真环境下,将特征参数输入到多分类器中进行学习与训练,通过调整网络参数来寻找最优解。通过改变训练样本数进行对比实验。实验结果表明,将融合特征(mfcc+CQT)作为特征输入时,可以识别出从大字组到小字三组的25类音符,并可以获得95.6%的平均识别率;在识别过程中,特征CQT比特征mfcc的贡献更大。实验数据充分说明,利用分类的思想提取音符信号的mfcc和CQT特征来进行音符识别,可以取得很好的识别效果,并且不受音符基频范围的限制。

摘要：美尔倒谱系数(mfcc)模拟了人耳的听觉特性,在语音识别实际应用中取得了较高的识别率。通过介绍提取mfcc算法,提出了算法实现的IP核设计方案,并详细描述了各个子模块的设计原理。以Verilog HDL作为设计语言,在Modelsim6.0开发工具下完成仿真。最后在Xilinx Spartan–3e FPGA目标板上验证了该IP核。

摘要：mfcc特征参数提取是语音识别设计中非常重要的环节,mfcc特征参数提取的实现及参数的精确度对于最终语音识别的准确度有着非常大的影响。对于mfcc特征参数的提取主要的方法是利用MATLAB软件来实现。利用Labview软件调用MATLAB程序可将两者的优点综合起来,提高软件的适用性。

摘要：对基于mfcc特征提取的全新节能机器人设计与实现进行研究与实验,并将面向服务的深度学习技术应用,其中构建mfcc特征提取的全新节能机器人智能语音识别。在梅尔滤波实验过程中,对原始小云语音信号时域波形及语谱图绘制,同时对其进行预加重,并分析其分帧的语音信号在短时间(通常10-30ms)内具有平稳性,通过关键词小云语音信号进行实验并加入短时间内的能量特征,并引入梅尔频率倒谱系数(mfcc)的一阶差分和二阶差分,对语音数据特征提取和降低运算维度感知敏感度,从而提高特征提取的有效性。在此基础上,能够更好地反映全新节能机器人在复杂环境下,它能够较好地表述语音信号特征并且能准确将语音信号特征进行提取。因此,提出基于mfcc特征提取的全新节能机器人设计与实现,该系统主要实现:核心技术从语音信号采集、预处理、特征提取然后对外界设备进行相关控制功能。

摘要：提出了一种基于梅尔频率倒谱系数(Mel frequency cepstrum coefficients,mfcc)的声音检测装置及算法实现。通过采集声音的波形,结合特征提取和分类算法,实现对不同声音的智能判断。从嵌入式系统硬件设计、声音波形特征提取、声音分类算法等方面进行了详细的研究,并对实验结果进行了分析。结果表明,该设计方案在声音检测方面具有较高的准确性和可行性。

摘要：梅尔倒频谱系数(mfcc)是语音识别、说话人识别领域的常用技术,近年来也被应用于音频内容的一致性比对领域。本文提出了一种基于mfcc帧内二值差分的音频指纹提取算法,并重点设计了动态时延自适应的特征比对机制,经过实验环境模拟测试及在播出系统中的部署实测,本算法可有效适应不同类型的音频节目比对,检测精度高、时延自适应性能力强,有效地提升了安全播出保障能力,具有较高的推广价值。