Update我总结了问题及其答案here https://jaderdias.github.io/posts/signal-one-class-classification/
- 我的目标是检测噪声信号中给定模式的存在。我想检测一种用麦克风记录声音的昆虫的存在。我之前已经以数字格式录制了昆虫的声音。
- 我并不是想进行语音识别。
- 我已经在输入信号和模式之间使用卷积来确定它们的相似度。但我认为这种技术更适合离散时间(即数字通信,其中信号以固定间隔发生)并区分两种给定模式之间的输入信号(我只有一种模式)。
- 我害怕使用神经网络,因为我从未使用过它们,而且我不知道是否可以嵌入该代码。
您能否给我指出一些其他方法,或者尝试让我相信我当前的方法仍然是一个好主意,或者神经网络可能是一种可行的方法?
Update我已经有两个很好的答案,但另一个会受到欢迎,甚至会得到奖励。
卷积的一个进步是动态时间扭曲 http://en.wikipedia.org/wiki/Dynamic_time_warping它可以被认为是一种卷积运算符,可以拉伸和收缩一个信号以最佳地匹配另一个信号。
也许更简单的方法是对样本进行 FFT,并确定您的昆虫是否有可以过滤的特定频率。
在更复杂的方面,但不完全是神经网络,SVM 工具包是这样的libsvm http://www.csie.ntu.edu.tw/~cjlin/libsvm/ and svmlight http://svmlight.joachims.org/您可以将数据扔到其中。
无论您尝试哪种方式,我都会花时间使用 FFT 等工具探索昆虫发出的声音的本质。毕竟,如果你自己能做到的话,教计算机对声音进行分类会更容易。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)