本發明提供一種基于隱馬爾可夫模型(Hidden?Markov?Model,HMM)的選礦設備故障異常音頻分析與識別方法,涉及數字音頻處理技術領域。該方法包括:輸入WAV格式的選礦設備音頻信號,對采集的音頻樣本進行預處理,提取線性預測倒譜系數(Linear?Prediction?Cepstrum?Coefficient,LPCC)和美爾倒譜系數(Mel?Frequency?Cepstrum?Coefficient,MFCC)等特征作為特征參數,利用Baum-Welch算法進行訓練,通過訓練得到狀態轉移概率矩陣,識別時采用Viterbi算法,通過計算未知音頻信號在轉移過程中的最大概率,并根據最大概率對應的模型進行識別。本發明能有效地偵測音頻信號中的異常聲響,從而有效識別選礦設備故障異常。
聲明:
“基于HMM的選礦設備故障異常音頻分析與識別方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)