其中的算法我应该使用信号（声音）一类分类？ [英] Which algorithm should I use for signal (sound) one class classification?
问题描述
更新这个问题是previously评为举一个简单的算法，我的名字信号（音）模式检测
Update this question was previously titled as "Give me the name of a simple algorithm for signal(sound) pattern detection"
- 我的目标是检测给定图案的presence在噪声信号。我想检测一个物种的昆虫的记录的声音用麦克风的presence。我已previously记录昆虫的声音以数字格式。
- 在我没有试图做语音识别。
- 我已经使用所述输入信号和所述图案之间的卷积来确定其相似性级别。但我认为，这种技术更适合离散时间（即数字通信，在信号发生在固定的时间间隔），并区分2给定模式之间的输入信号（我只有一个模式）。
- 恐怕用神经网络，因为我从来没有使用过，我不知道如果我能嵌入code。
可否请你指出我的一些其他方法，或试图说服我，我目前的方法仍然是一个好主意或神经网络可能是一个可行的办法？
Could you please point me some other approaches, or try to convince me that my current approach still is a good idea or that neural networks may be a feasible way?
更新我已经有2个很好的答案，但另一个人会受到欢迎，甚至奖励。
Update I already have 2 good answers, but another one would be welcome, and even rewarded.
推荐答案
从卷积了一步是动态时间规整它可以被看作是一个卷积算绵延和收缩一个信号来最佳地匹配的另一
A step up from convolution is dynamic time warping which can be thought of as a convolution operator that stretches and shrinks one signal to optimally match another.
也许一个简单的方法是做样品的FFT并确定是否已昆虫可以过滤任何特定的频率。
Perhaps a simpler approach would be to do an FFT of the sample and determine if your insect any particular frequencies that can be filtered on.
在更复杂的一面，但并不完全是神经网络，是SVM工具包如 LIBSVM 和 svmlight ，你可以在把你的数据。
On the more complex side, but not quite a neural network, are SVM toolkits like libsvm and svmlight that you can throw your data at.
无论你尝试的路径，我会花时间去探索你的昆虫使得使用像FFT工具的声音的性质。毕竟，它会更容易教计算机的声音进行分类，如果你能做到这一点吧。
Regardless of the path you attempt, I would spend time exploring the nature of the sound your insect makes using tools like FFT. After all, it will be easier teaching a computer to classify the sound if you can do it yourself.
这篇关于其中的算法我应该使用信号（声音）一类分类？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
