随着野生动物的数量不断减少,人们对野生动物的保护工作和重视程度的逐渐加大,相应的研究也就越来越多。因此,生物声学的研究已引起了人们的重视;分类学家通过研究,把动物的声音信号作为动物分类的一种指标;生态学家也在探索,如何通过声音信号,来揭示动物行为的奥秘。 本文通过研究声音识别的基本原理与系统结构,分析现有的声音识别技术,研究了能频值端点检测、线性预测倒谱系数(LPCC)和美尔倒谱系数(MFCC)及其差分特征参数、矢量量化(VQ)与隐马尔可夫模型(HMM)相结合应用于声音识别的识别方法,建立了基于动物声音的个体辨认系统。 本文通过MATLAB声音处理工具箱,提取输入声音的特征参数,采用线性预测倒谱系数(LPCC)和美尔倒谱系数(MFCC)及其差分作为声音信号的特征参数,并采用LBG算法进行码书设计、Viterbi算法进行训练和识别,获得了较高的识别率,并且具有运算速度快,计算量小,差错率低等优点。 本文通过对实际声音识别系统的测试和研究,为进一步开发实用性声音识别系统的工作做了基础和探索性的工作。