(重庆工商大学电子商务及供应链系统重庆市重点实验室 重庆 400067)

一、引言

声音的分类和管理是声音信号处理的一个基本问题。声音中富含了多种信息，有效利用了这些信息可以帮助人类实现很多人类自身无法完成的问题，比如在地震带区识别动物的异常声音可以起到辅助地震警报的作用。由此可见，分析自然环境声音识别对我们的生活有着巨大的作用。

在声音分类中，首先得提取声音特征。有很多特征可以代表音频信号，其中最常用的语音特征就是Mel频率倒谱系数。Mel频率是基于人耳听觉特性提出来的，具有良好的识别性能[1],因此本文用Mel频率倒谱系数表示声音特征。

本文利用基于MFCC和神经网络的方法实现对自然声音识别。神经网络是一种模仿生物神经网络的结构和功能的数学模型或计算模型，有效地解决了传统机器学习模型的大数据和多分类问题，且有很好的预测和分类精度.正是鉴于神经网络的种种优点，本文尝试利用神经网络模型解决自然环境声音的识别问题[2]。

二、特征提取

(一)预处理

首先本文将所获取到的自然环境音频文件转换成音频信号数据。其次,多声道转为单声道,所有的音频信号都重采样到16KHZ。所有音频文件的时间长度都切割为为2s 。

(二)Mel 频率倒谱系数(MFCCs)特征提取

(1)预加重 将语音信号通过一个高通滤波器

(2)分帧 将自然环境音频信号划分成一系列连续的帧,这里我们加汉宁窗分帧,每帧包含 N=256个样本,相邻帧有128个样本重叠,每帧时间为16ms。……