基于改进粒子群优化算法的声音识别及健康检测研究

来源：计算机测量与控制杂志2024年第11期北京时间：

作者：田昊旻,马祎航

摘要：声音信号作为一种典型的非稳态信号,其复杂性和多样性对信号处理技术提出了更高的要求。研究提出一种基于改进粒子群优化算法的声音识别模型,通过声音实现对新生儿的健康状况分析。该模型通过小波去噪对声音数据进行预处理,然后引入改进的粒子群优化算法与反向传播算法相结合,优化声音识别模型。实验结果表明,在数据集为1000时,小波去噪模型的信噪比为0.97,结构信息损失率为0.18,交并比为0.96。针对不同类型的声音,改进粒子群优化算法模型识别的准确率分别为0.87、0.83、0.97、0.88,均方根误差值为0.09、0.07、0.05、0.07。结果表明,所提出的声音识别与健康检测模型能够有效提高声音数据的识别精度和检测效率,有助于对新生儿健康状态的评估。

关键词：健康检测;声音识别;粒子群优化算法;小波去噪;反向传播

基金资助：辽宁省科技计划联合计划(应用基础研究项目):复杂环境下智能生产线工况识别及故障诊断关键技术研究(2023JH2/101700066)