基于多特征提取与灰狼算法优化SVM的车内异响识别方法

来源：计算机应用与软件杂志2024年第3期北京时间：

作者：王若平, 陈严, 王东, 梁博洋, 曾发林

摘要：传统的异响识别方法对测试设备要求较高且易受实验员经验差异影响。针对这种情况，提出一种基于多特征提取与灰狼算法优化支持向量机（Support Vector Machine，SVM）的车内异响识别方法。该方法以采集实验获得的6种车内常见异响作为研究对象，提取短时能量、小波变换优化的梅尔频率倒谱系数（DWT-MFCC）及其一阶差分组成混合特征参数，将灰狼优化算法应用于SVM的参数寻优中，建立异响识别模型并进行识别分类，同时探究选用不同维度的特征或不同算法对识别效果的影响。结果表明，所提取的25维混合特征能有效传达异响信息，该方法在收敛速度与识别准确率方面优势明显，能更好地实现车内异响的识别。

关键词：车内异响识别, 短时能量, DWT-MFCC, 灰狼优化算法, 支持向量机