噪音环境下基于时 － 频特征的生态环境声音的分类

       　摘要：生态环境声音描述的是在一个时段里生态环境下各种生物发出的声音。对生态环境声音的研究可以用于监测野生动物随着时间进化的情况。由于生态环境中有各种各样的噪音，因此所研究的项目是基于噪音环境的生态环境声音识别。对于不稳定信号，时频特征是潜在的很有用的特征。尤其是，当使用频域特征（如 ＭＦＣＣｓ）对带有噪音的声音进行分类失败的时候，时－频域特征能成功进行分类。因此，论文提出了一种用时频特征对噪音环境下的生态环境声音进行分类的方法。匹配追踪（ＭＰ）算法用于提取有效信号的时频特征。此外，在噪音环境下，Ｃｈｏｉ－Ｗｉｌｌｉａｍｓ分布下提取的统计特征比其他的传统音频特征更有效。考虑到特征的有效性和分类器的鲁棒性，该文提出一种基于时频特征和支持向量机的分类模型（简称：ＭＰ＋ＣＷＤ－ＳＶＭ）。实验证明，在噪音环境下，对生态环境声音进行分类，ＭＰ＋ＣＷＤ－ＳＶＭ 可以达到更高的分类正确率。结果显示时频特征和 ＳＶＭ 分类器具有更好的抗噪性。