本发明提供一种基于隐马尔可夫模型(Hidden?Markov?Model,HMM)的选矿设备故障异常音频分析与识别方法,涉及数字音频处理技术领域。该方法包括:输入WAV格式的选矿设备音频信号,对采集的音频样本进行预处理,提取线性预测倒谱系数(Linear?Prediction?Cepstrum?Coefficient,LPCC)和美尔倒谱系数(Mel?Frequency?Cepstrum?Coefficient,MFCC)等特征作为特征参数,利用Baum-Welch算法进行训练,通过训练得到状态转移概率矩阵,识别时采用Viterbi算法,通过计算未知音频信号在转移过程中的最大概率,并根据最大概率对应的模型进行识别。本发明能有效地侦测音频信号中的异常声响,从而有效识别选矿设备故障异常。
声明:
“基于HMM的选矿设备故障异常音频分析与识别方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)