王培力，王瑞荣*，高 鹏，孙映宏

（1.杭州电子科技大学生命信息与仪器工程学院，杭州310018；2.杭州市水文水资源监测总站，杭州310014）

MFCC与支持向量机在钱塘江涌潮检测中的应用*

王培力1，王瑞荣1*，高 鹏1，孙映宏2

（1.杭州电子科技大学生命信息与仪器工程学院，杭州310018；2.杭州市水文水资源监测总站，杭州310014）

为解决钱塘江涌潮检测难问题，提出了一种新的涌潮检测方法。首先，通过梅尔倒谱系数MFCC（Mel-Frequency Cepstral Coefficients）提取涌潮样本多维声学特征与非涌潮样本声学特征；然后，使用支持向量机（SVM）构建涌潮检测模型；最后，通过模型对输入的样本特征进行分类判断。与以采用线性预测倒谱系数（LPCC）提取声学特征方法或是采用BP神经网络构建检测模型相比，MFCC与支持向量机结合在涌潮检测的精度上有一定的提高。

声学识别；涌潮检测；支持向量机；MFCC声学特征

声学识别研究具有重要意义，目前声学识别已经在网络、通信和安全等领域得到了实际应用［1］。在声音信号处理的过程中，提取声学特征方法常见的有线性预测系数（LPC）、LPC倒谱系数（LPCC）和梅尔倒谱系数（MFCC）［2］。而倒谱分析被证明为语音信号处理最有效的方式之一，其中梅尔倒谱系数（MFCC）又被认为是在提取声学特征中最合适的方法［3-4］，其鲁棒性在上述三种方法中是最好的。实际应用的过程中梅尔倒谱系数可以在一帧语音信号中提取12至16维不等的声学特征。语音识别所应用的模式匹配和模型训练技术主要有动态时间规整技术（DTW），隐马尔可夫模型（HMM）、神经网络（NN）和支持向量机（SVM）［5-7］。……