论文部分内容阅读
大熊猫是我国国家一级保护动物,非常珍贵,我国专门开设多个大熊猫栖息基地和研究中心用以加强对大熊猫的研究和保护。目前野外大熊猫的驯化保护正处于关键阶段,成都大熊猫繁育研究基地需要一套非接触式的个体识别方法,作为其它常规识别方法的拓展和补充,以更好地对大熊猫进行个体识别和管理保护。声纹特征提取是基于声音的大熊猫个体识别系统的关键环节,对系统功能实现和性能提升意义重大。通过对各种常见的大熊猫个体分类方法进行综合比较,结合声纹识别的技术特性和广泛应用,本论文基于大熊猫声纹,进行其个体识别系统的分析与探讨,主要研究内容如下:(1)介绍了大熊猫个体识别的意义与价值,以及声纹识别技术的国内外研究现状,并对大熊猫个体识别系统进行了基础理论介绍和相关技术分析,对系统总体框架和流程进行简要说明,研究了系统性能评价的标准和识别准确率计算方法。(2)对短时平均能量特征、梅尔倒谱系数MFCC(Mel-Frequency Cepstral Coefficients)以及线性预测系数LPC(linear prediction coefficient)进行介绍和分析,然后进一步研究了MFCC与其一二阶差分及LPC的组合特征,并通过具体实验,分析和验证了识别效果的具体优化和提升情况。(3)提出了一种基于复合梅尔倒谱系数的大熊猫声纹特征研究方法。结合大熊猫声音特点及频率分布,针对MFCC中mel滤波器组特性及在低高频分辨率上的表现,对MFCC中的mel滤波器组进行了补充和优化,提出复合梅尔频率倒谱系数CMFCC(Mel composite frequency cepstrum coefficient)特征,提升了系统提取特征对大熊猫声音的高频分辨率,通过具体实验,验证了对系统识别效果的提升情况,符合理论预期。(4)对大熊猫个体识别系统进行设计和实现。首先结合需求背景和需求描述对系统进行需求分析,接着对系统总体结构和主要功能模块尽心设计,然后进行个体识别系统的实现,重点介绍了本课题下对大熊猫声音数据的收集过程和处理方法,并以表格形式进行展示,然后对系统流程和主要功能进行分析与实现,最后进行系统测试和整体实验分析。