排序方式: 共有1条查询结果,搜索用时 15 毫秒
1
1.
针对城市中汽车违法鸣笛声之间识别分类较难的问题,为了快速准确的识别鸣笛声并将不同种鸣笛声之间进行分类,在鸣笛声识别分类中提出了应用子频带能量提取鸣笛声的特征,并利用BP神经网络对提取的子频带能量特征值矩阵进行学习训练,且在神经网络学习过程中利用可变学习速度的方法,减小了神经网络的迭代次数。实验表明利用此种子频带能量特征提取法使鸣笛声与非鸣笛声的平均识别率达到了94.889%;使不同鸣笛声之间的分类正确率最大达到了93.75%,实现了不同鸣笛声之间的分类。 相似文献
1