公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

昆虫声音识别方法: 本发明公开了一种昆虫声音识别方法，包括：将采集到的昆虫声音信号进行除噪；将除噪后的昆虫声音信号截取成多个声音片段，一声音片段内有一脉冲串；对每个声音片段进行端点检测；端点检测后的一声音片段作为一样本；对每个样本中的有声段...; 王鸿斌张真罗茜赵丽稳张培毅孔祥波; 文献传递

小蠹发声结构、声信息特征与自动种类识别研究: 小蠹科昆虫是重要的森林害虫，它的分类是研究和防治的基础，但是此类昆虫体小种多，给分类鉴定造成一定困难。目前，小蠹科昆虫的分类主要是利用昆虫的外部形态特征、生理学特征和遗传学特征，从声学的角度对小蠹进行分类国内外还未见报道...; 罗茜; 关键词：小蠹声信号

基于MFCC和BP神经网络的小蠹声音识别: 在多数情况下,对于昆虫的探测和识别过程是一个非常复杂的过程,因为更多情况下我们听到它们的时候更多,尤其是那些生活在复杂的生境和夜间活动的昆虫。昆虫发出的各种声音具有种间特异性,是非常可靠的分类依据。利用这一特性,本实验旨...; 罗茜王鸿斌张真孔祥波; 关键词：小蠹声音神经网络 MFCC; 文献传递

基于MFCC与神经网络的小蠹声音种类自动鉴别被引量：9: 2011年; 昆虫发出的各种声音具有种间特异性,是非常可靠的分类依据。利用这一特性,本实验旨在探索一种对昆虫自动分类的新方法。本实验录制了红脂大小蠹、云南切梢小蠹、短毛切梢小蠹和华山松大小蠹4种小蠹虫的胁迫声,利用Adobe Adition2.0对每个声音文件进行降噪,再将其截取成只含有一个脉冲组的声音片段。在MATLAB环境下对这些声音片段进行端点监测并提取12维的MFCC(Mel频率倒谱系数),然后将此特征参数输入BP神经网络进行训练和检测。设置训练样本数为20、40、60、80、100,4种小蠹检测样本数分别为54、95、54、50,结果显示识别率随着训练样本数的增加而提高,在训练样本量为100时的最高识别率达到98.14%,平均识别率为93.29%,收到了较好的效果。为了验证小蠹种类数对识别率的影响,本实验对4种小蠹进行了两两比较,结果显示总体上高于4种一起识别的结果。; 罗茜王鸿斌张真孔祥波; 关键词：小蠹声音神经网络 MFCC

红脂大小蠹声音信号记录、分析与发声器官电镜观察被引量：9: 2012年; 应用开发设计的昆虫声音采集与录制系统,对在不同实验条件下(玻璃板夹心、木段钻孔、室外直接测定)的红脂大小蠹两性成虫声音信号进行了采集、放大与数字化记录,并应用Adobe Audition与matlab软件分别对雌雄成虫的胁迫声、雄虫求偶声、雄虫竞争声、雌虫回应声等声音信号进行了脉冲组、频率、持续时间、频谱等特征分析,此外,还应用扫描电镜对其摩擦发声器官进行了观察与记录。研究结果表明:红脂大小蠹整体摩擦声音频率为35.3 kHz;雌雄间声音有显著区别,其摩擦发音结构音锉也有明显不同;而不同行为下所发出的声音信号在时域和频域上也略有差异,显示其与行为交流密切相关。; 王鸿斌赵丽稳罗茜张真孔祥波; 关键词：红脂大小蠹发声器官

全选清除导出

共1页<1>

罗茜