张栖铭　袁瑞临　范凡　王峰

摘要：為了实现猪只不同状态下的自动检测，试验采用声音识别技术，设计了基于支持向量机算法（SVM）的声音识别方法，首先通过短时过零率和短时能量的端点检测，确定猪只不同状态的声音信号的起始点和终止点，然后提取声音信息的梅尔频率倒谱系数作为特征参数，使用SVM算法进行训练，建立声音的分类模型，最后对猪只不同状态进行识别。结果表明：猪只状态识别精度较高，达到了预期效果。

关键词：声音识别；SVM；MFCC；端点检测

中图分类号：TP391

文献标识码：A

文章编号：1009-3044（2017）10-0162-03

动物发声是动物行为的一种方式，可以通过叫声与其他成员进行有效交流，它能反映动物的生理状况如饥饿、疼痛、情绪状态等，因而基于动物声音的状态识别是有一定事实基础的。并且，随着计算机技术和数字信号处理技术的发展，声音识别技术已经取得了显著进步，动物的声音识别技术也得到了一定的发展。

因为猪只的声音信息可以很好的反馈猪只的状态，因此，本试验采用梅尔倒谱系数（MFCC）作为猪只声音的特征参数，然后将提取的特征参数，用来建立支持向量机（SVM）的分类模型，最后对不同状态的猪只声音进行识别，为规模化的养猪业提供客观的猪只状态监测。

1.算法介绍

1.1声音信号的端点检测

端点检测，声音处理中的一个重要方面，其作用是从包含声音的一段信号中确定出声音的起始点及终止点，区分声音和非声音信号。有效的端点检测不仅可以减少数据处理量，节约时间，而且能抑制无声段或噪声段的干扰，提高声音信号质量。……