[发明专利]基于改进DS证据理论多分类器融合的猪咳嗽声识别方法

说明书

本申请公开了基于改进DS证据理论多分类器融合的猪咳嗽声识别方法，步骤包括：收集猪舍内生猪的声音片段，获得语料库；基于语料库，得到训练集和测试集，提取训练集和测试集中的多个声学特征；将训练集中的多个声学特征输入至若干基分类器中，输出得到若干基分类器性能评价指标；根据基分类器性能评价指标，筛选基分类器，得到优选基分类器；利用训练集训练优选基分类器，完成目标训练模型；将测试集输入目标训练模型，并采用改进的DS证据理论对优选基分类器的输出结果进行融合，完成猪咳嗽声音识别。本申请采用距离融合对DS融合进行改进，解决DS融合方法靠近决策边界部分数据分类不可靠的问题，可显著提高生猪咳嗽声音识别精度。

技术领域

本申请涉及语音信号处理领域，具体涉及基于改进DS证据理论多分类器融合的猪咳嗽声识别方法。

背景技术

在生猪养殖过程中，生猪呼吸道疾病由于其致死率高，传染性强等原因，已经成为制约生猪养殖行业发展的主要原因之一，因此亟需一种快速准确的呼吸道疾病预警方法。近年来研究表明，通过监测猪的咳嗽声可以实现对呼吸道疾病的预警，其中关键技术是对猪的咳嗽声音进行识别。从已有的研究来看，主要方法集中在特征选择、特征融合和分类器优化上，以此来提升分类性能。但是这些分类算法均是基于单一分类器模型，易受环境噪声干扰，且分类精度很难进一步提升。

发明内容

本申请利用改进DS多分类器融合的方法识别生猪咳嗽声音，显著提高声音识别精度。

为实现上述目的，本申请提供了基于改进DS证据理论多分类器融合的猪咳嗽声识别方法，步骤包括：

收集猪舍内生猪的声音片段，获得语料库；

基于所述语料库，得到训练集和测试集，提取所述训练集和所述测试集中的多个声学特征；

将所述训练集中的多个声学特征输入至若干基分类器中，输出得到若干基分类器性能评价指标；

根据所述基分类器性能评价指标，筛选所述基分类器，得到优选基分类器；

利用所述训练集训练所述优选基分类器，完成目标训练模型；

将所述测试集输入所述目标训练模型，并采用改进的DS证据理论对所述优选基分类器的输出结果进行融合，完成猪咳嗽声音识别。

优选的，得到所述训练集和所述测试集的方法包括：

对所述语料库进行标注，获得咳嗽声音片段与非咳嗽声音片段；

基于所述咳嗽声音片段与非咳嗽声音片段按照一定比例划分为训练集和测试集。

优选的，所述声学特征包括：梅尔频率倒谱系数、线性预测倒谱系数、伽玛通倒谱系数和功率谱密度。

优选的，所述基分类器包括：支持向量机、随机森林和K最邻近分类器。

优选的，所述基分类器性能评价指标包括：分类精度、错误相似度和分类精度-错误相似度综合评估，指标定义如下：

假设参与分类的咳嗽和非咳嗽样本总数为NA，第i个基分类器正确分类的样本数为NR_i，第j个基分类器正确分类的样本数为NR_j，两个基分类器i和j同时分类错误的样本数为NF_ij；

则第i个基分类器的所述分类精度定义为：

对应的，第j个基分类器的所述分类精度为：

式中，OA_i和OA_j分别表示基分类器i和j的所述分类精度；