声学事件检测中的鲁棒特征提取算法研究

代码说明：

在声学事件检测中， 采用基于短时能量和短时过零率的端点检测方法和基于动态时间规整算法的情况下， 对鸟叫声、 人说话声和车辆驶过声这三类声学事件进行检测。 在不加噪声的情况下， 基于时域特征的识别准确率是88.89%， 基于频域的识别准确率是83.33%， 基于时频域特征的识别准确率是77.78%。 由上述分析可知， 在不加噪声的情况下， 基于时域特征检测的识别精确度是最好的。 在加噪声的情况下， 分别基于时域特征和频域特征的检测， 噪声对声学事件的干扰与覆盖影响较为重大， 噪声强度越增加， 对系统的检测性能所受到的影响也随之俱增。 对于基于时频域特征的检测而言， 噪声的影响并不十分明显， 且耗时少， 具有很好的应用前景。 所以， 在加噪声的情况下， 基于时频域特征检测的识别精确度是最好的。