环境音识别是机器学习领域中的一个研究重点和难点,它可以帮助智能系统识别音频数据中的环境音。本文提出一种新的环境音识别方法,它是将梅尔频率倒谱系数(mel frequency cepstral coefficents,MFCC)和修正群延迟函数(modified group de...环境音识别是机器学习领域中的一个研究重点和难点,它可以帮助智能系统识别音频数据中的环境音。本文提出一种新的环境音识别方法,它是将梅尔频率倒谱系数(mel frequency cepstral coefficents,MFCC)和修正群延迟函数(modified group delay function,MODGDF)联合作为特征参数,然后利用多分类支持向量机(support vector machine,SVM)进行参数分类,达到识别音频数据中环境音的目的。结果表明,在DCASE 2018数据集上,该方法的实验效果优于DCASE 2018数据集基线系统识别效果,整体识别准确率提高了25.8%。展开更多
多种室内定位技术中,基于WiFi的定位在基于位置的服务(location based service,LBS)中有着巨大的应用潜力。提出一种新的室内WiFi定位方法,结合分级定位结构,能够有效利用人员行走模式先验信息。该方法在预备粗定位阶段通过上一时刻的...多种室内定位技术中,基于WiFi的定位在基于位置的服务(location based service,LBS)中有着巨大的应用潜力。提出一种新的室内WiFi定位方法,结合分级定位结构,能够有效利用人员行走模式先验信息。该方法在预备粗定位阶段通过上一时刻的位置推断可能区域,通过信号指纹检测器判断可能区域是否正确,通过再次粗定位阶段重新推算可能区域。在精定位阶段,该方法通过最大后验概率密度方法得到位置估计。利用开源数据集进行实验,证明了所提方法相比传统的3种方法(无先验的最大后验、先验kNN和无先验kNN方法),定位精度分别提高了3%、5%和7%。展开更多
文摘多种室内定位技术中,基于WiFi的定位在基于位置的服务(location based service,LBS)中有着巨大的应用潜力。提出一种新的室内WiFi定位方法,结合分级定位结构,能够有效利用人员行走模式先验信息。该方法在预备粗定位阶段通过上一时刻的位置推断可能区域,通过信号指纹检测器判断可能区域是否正确,通过再次粗定位阶段重新推算可能区域。在精定位阶段,该方法通过最大后验概率密度方法得到位置估计。利用开源数据集进行实验,证明了所提方法相比传统的3种方法(无先验的最大后验、先验kNN和无先验kNN方法),定位精度分别提高了3%、5%和7%。
