基于深度信念網絡的豬咳嗽聲識別

黎　煊　趙　建　高　云　雷明剛　劉望宏　龔永杰

(1.華中農業大學工學院， 武漢 430070； 2.生豬健康養殖協同創新中心， 武漢 430070；3.華中農業大學動物科技學院動物醫學院， 武漢 430070)

0　引言

近年來，國家著力轉變生豬產業經濟發展方式，引導生豬產業向規模化、集約化、標準化飼養方向發展。生豬產業規模化發展的同時，呼吸道疾病已成為各大養豬場最常見、危害最嚴重的疾病之一。而咳嗽是豬呼吸道疾病的主要癥狀，尤其是早期癥狀，因此可以通過監測咳嗽聲進行豬早期呼吸道疾病預警[1-3]。目前所采用的方法一般為簡單易行的人工檢測，但是人工檢測不僅人力成本高，并且識別率難以得到保證。隨著現代信息、數字信號處理、傳感器等技術的快速發展，將計算機技術與聲音特征分析相結合，利用語音識別技術分析豬咳嗽聲與豬非咳嗽聲，對豬咳嗽聲進行識別，有利于生豬呼吸道疾病的預警，促進生豬健康養殖的發展[4]。

圖1　豬場環境噪聲分析Fig.1　Analysis of environmental noise in pig farms

國外開展豬聲音識別的研究相對較早。MITCHELL等[2]發現了健康豬和病豬咳嗽聲短時能量動態變化的差異，測得健康豬咳嗽聲持續時間一般為0.21 s，而病豬咳嗽聲持續時間一般為0.3 s。SARA等[3]通過實驗發現，病豬咳嗽音頻的標準化壓力均方差及峰值頻率均值均低于健康豬，而病豬咳嗽聲持續時間和頻率均高于健康豬。EXADAKTYLOS等[5]采用改進的模糊c均值聚類算法識別豬咳嗽，總識別率達到85%，其中病豬咳嗽聲識別率達到82%。GUARINO等[6]采用動態時間規整(Dynamic time warping，DTW)算法識別豬咳嗽，識別率達到85.5%，非咳嗽聲識別率達到86.6%。HIRTUM等[7]考慮低頻環境噪聲對咳嗽聲的影響，建立環境噪聲模型，在此基礎上構建基于模糊c均值聚類算法的咳嗽聲識別模型，非實時單個咳嗽聲識別率能夠達到92%，但錯誤率達到21%。

目前，國內針對豬聲音識別的研究尚處于起步階段。馬輝棟等[8]設計了基于短時能量和短時過零率的豬咳嗽聲雙門限端點檢測算法。劉振宇等[9]采用隱馬爾科夫模型(Hidden markov model，HMM)對豬咳嗽聲進行識別，識別率達到80%。徐亞妮等[10]利用模糊c均值聚類算法進行豬咳嗽聲與尖叫聲識別，識別率分別達到83.4%和83.1%。

深度信念網絡(Deep belief nets, DBN)由HINTON等[11]于2006年提出，DBN通過對人腦組織結構和功能的模擬，有著與人類類似的記憶能力、概括推理能力以及強大的分類、預測能力[12]。最近幾年來，深度學習在語音識別領域得到了很好的應用，體現了其強大的聲學建模能力[13-15]。本文把深度信念網絡引入豬聲音識別領域，以長白豬咳嗽、打噴嚏、吃食、尖叫、哼哼、甩耳朵等聲音為研究對象，構建豬咳嗽聲識別模型，為生豬健康養殖過程中豬咳嗽聲的識別提供一種新方法。

1　豬聲音采集與預處理

1.1　豬聲音采集

豬聲音采集在校屬精品豬場進行。采集工具為美博-M66錄音筆，采樣頻率為48 000 Hz，采樣精度為16位，可連續錄音24 h。聲音采集在3—4月豬病多發期進行，共采集10頭75 kg左右長白豬的聲音，經獸醫診斷10頭豬中5頭豬感染呼吸道疾病，咳嗽明顯。采用專家分類法對錄音筆采集的豬聲音進行分類標記，選取咳嗽、打噴嚏、吃食、尖叫、哼哼和甩耳朵聲作為研究對象。得到豬聲音樣本1 400個，其中咳嗽樣本594個，打噴嚏樣本241個，吃食樣本152個，尖叫樣本130個，哼哼樣本125個，甩耳朵樣本158個，保存為wav格式。

1.2　豬聲音預處理

豬場環境下采集到的豬聲音樣本包含很多噪聲和無效聲音，為提高豬咳嗽聲與非咳嗽聲識別率，在特征參數提取之前需要進行去噪和端點檢測。

1.2.1豬聲音樣本噪聲分析

從圖1b和圖1d可以看出，豬場環境噪聲頻段主要集中在5 kHz以下，并且與豬咳嗽聲頻段(0.3～8 kHz)[8]有重疊，傳統數字濾波器(低通、高通或帶通)難以對豬聲音樣本進行有效去噪，本文采用基于多窗譜的心理聲學語音增強算法對豬聲音樣本實現去噪。

1.2.2基于多窗譜的心理聲學語音增強

多窗譜即對待估計豬聲音樣本序列加多個相互正交的窗，分別計算頻譜，然后求平均的非參數譜估計方法。人耳掩蔽閾值的心理聲學約束可以對帶噪豬聲音信號中噪聲失真進行限制[16-17]。

通過原始豬聲音樣本的多窗譜估計原始豬聲音樣本中噪聲與含噪信號之比(即先驗信噪比倒數),用基于噪聲與含噪信號之比的幅度譜減法得到預估計豬聲音信號，通過預估計豬聲音信號計算隱蔽閾值，用心理聲學算法得到去噪后的豬聲音信號。

圖2所示為基于多窗譜的心理聲學語音增強算法處理前后豬聲音樣本波形圖，對比語音增強前后波形圖可知，語音增強后豬聲音樣本噪聲明顯減少，聲音信號波形幾乎沒有發生失真。

圖2　豬聲音樣本濾波前后對比Fig.2　Comparison of original pig sounds and sounds after denoising

1.2.3單參數雙門限端點檢測

語音信號端點檢測是指從包含語音的一段信號中找出語音的起止點，把起止點之間的信號定義為有效信號。豬聲音樣本經過語音增強后，噪聲顯著減少，本文選擇基于短時能量的方法進行豬聲音樣本端點檢測[18]。對豬聲音樣本y(n)，分幀后第v幀表示為yv(n)，此幀豬聲音信號的短時能量Ev計算公式為

(1)

式中L——幀長，根據聲音信號的短時平穩特性取為200個采樣點

n——豬聲音樣本采樣點序號

基于短時能量的單參數雙門限端點檢測中，單參數是幅值歸一化后的短時能量ev，計算公式為

(2)

式中V——豬聲音樣本總幀數

設定2個閾值T1和T2，其公式為

T1=1.5max(e1,e2,…,eFINS)

(3)

T2=1.1max(e1,e2,…,eFINS)

(4)

式中FINS——豬聲音樣本前導無話段幀長

eFINS——第FINS幀幅值歸一化后的能量

由式(3)和式(4)計算得到T1、T2分別約為0.02、0.008。當ev高于T1時判定為語音幀，低于或高于T2時確定為豬聲音樣本起止點。圖3所示為單參數雙門限端點檢測對應的豬聲音樣本檢測結果。從圖3可知，基于短時能量的端點檢測可以較好地檢測出有效信號。

2　基于時間規整算法的豬聲音特征參數提取

2.1　時間規整算法

由圖3可知，經過端點檢測后的豬聲音信號長度不同，而一個結構確定的神經網絡輸入層神經元個數也是確定的，因此需要運用時間規整算法[19]將預處理后的豬聲音樣本規整為同一長度再進行特征參數提取。

圖3　豬聲音樣本端點檢測結果Fig.3　End point detection of pig sound

圖4　時間規整網絡結構圖Fig.4　Structure diagram of time warping net

時間規整網絡結構如圖4所示，對于一個有V幀的豬聲音樣本，規整網絡輸入層有V個節點，第v個節點對應豬聲音樣本第v幀的特征矢量A0，v(v=1,2,…,V)。規整至第l層后將距離最近的2個特征矢量以加權平均合并，其余特征矢量不變，第l層就具有V-l個節點以及與之聯系的V-l個矢量Al,v(v=1,2,…,V-l)。以此類推，經過V-N步合并，最終網絡輸出層具有N個節點以及與之聯系的N個特征矢量AV-N,v(v=1,2,…,N)。

2.2　短時能量特征參數提取

由圖2可知，不同種類豬聲音的波形不同，為了反映這一區別，利用式(1)計算出豬聲音信號的短時能量，6種豬聲音信號的短時能量變化情況如圖5所示。不同種類豬聲音持續時間不同，同種豬聲音持續時間也不完全相等。本文研究的6種豬聲音中咳嗽、打噴嚏持續時間一般在0.4 s左右，而吃食、尖叫、哼哼和甩耳朵持續時間在0.6～1.4 s不等。為了進行統一衡量，可采用時間規整算法將所有豬聲音樣本規整到300幀組成的一個300維的短時能量特征參數數組。

V幀豬聲音信號對應采樣點數NV的計算公式為

NV=(V-1)Linc+L

(5)

式中Linc——幀移，取為幀長L的40%

NV采樣點對應時長Δt的計算公式為

Δt=NV/Fs

(6)

式中Fs——采樣頻率

由式(5)可以計算出300幀對應采樣點數NV為24 120，進一步由式(6)得到對應時間長度Δt為0.502 5 s。時間規整為300幀(即約0.5 s)后6種豬聲音樣本短時能量分布如圖5所示。

對比時間規整前后豬聲音短時能量變化圖可知，豬咳嗽聲和打噴嚏聲短時能量波形圖在0.4～0.5 s部分相對其他種類豬聲音能量低，造成特征數組后面部分值相對較小。基于時間規整的短時能量特征參數可以同時反映不同種類豬聲音信號短時能量動態變化的差異和不同種類豬聲音信號持續時間的差異性。

2.3　梅爾頻率倒譜系數特征參數提取

梅爾頻率倒譜系數(Mel frequency cepstral coefficients，MFCC)的分析是基于人耳的聽覺機理，依據人的聽覺實驗結果來分析聲音的頻譜特性[20-21]。將聲音在頻域上劃分成若干頻率群，選擇梅爾頻率濾波器組為24組。圖6a所示為豬咳嗽聲樣本MFCC三維圖，對于一個300幀的豬咳嗽樣本，24維的MFCC數據量是比較大的，可以采用時間規整算法將300幀的MFCC規整到30幀組成720維的MFCC特征向量。圖6b所示為時間規整后豬咳嗽聲MFCC三維圖。

圖5　豬聲音樣本短時能量時間規整前后對比Fig.5　Comparison of short-time energy of pig sound and sound after time warping

圖6　豬咳嗽聲的MFCC圖Fig.6　MFCC of pig cough

由豬咳嗽樣本MFCC時間規整前后三維圖可知，圖6b相對圖6a幀數從300幀減少到30幀，數據量大大減少。同時，圖6b也保留了圖6a在時序上的動態變化特性。

3　豬咳嗽聲識別

3.1　深度信念網絡豬咳嗽聲識別模型

深度信念網絡是由多層受限玻爾茲曼機(Restricted boltzmann machine， RBM)堆疊而成的網絡模型[11]。RBM是一個由兩層神經元組成的層間全連接、層內無連接的網絡結構，顯層為輸入層，隱層為特征提取層。其結構如圖7所示。

圖7　受限玻爾茲曼機網絡結構Fig.7　Structure of RBM

RBM中神經元通常只取0或1兩種狀態，狀態0表示神經元處于抑制狀態，狀態1表示神經元處于激活狀態。令向量s∈(0,1)d表示d個神經元的狀態，wij表示神經元i與j之間的連接權值，θi表示神經元i的閾值，則狀態向量s所對應的玻爾茲曼機能量計算公式為

(7)

若網絡中的神經元以不依賴于輸入值的順序進行更新，則網絡最終會達到玻爾茲曼分布。此時狀態向量s出現的概率僅由其能量與所有可能狀態向量的能量確定，狀態向量s出現的概率計算公式為

(8)

本文采用3層RBM堆疊形成的DBN作為豬咳嗽聲識別模型，網絡結構如圖8所示。

圖8　深度信念網絡豬咳嗽聲識別模型Fig.8　Pig cough sound recognition model based on DBN

將經過時間規整算法提取的300維短時能量和720維MFCC組合得到1 020維組合特征參數作為DBN的輸入，DBN輸入層神經元個數選為1 020個。最后一層為輸出層，根據識別對象為豬咳嗽聲與豬非咳嗽聲，將輸出層神經元個數選為2個。隱層神經元個數選取不合理會導致DBN識別能力和網絡容錯性降低，設每個隱層神經元個數分別為l1、l2和l3，則DBN模型可表示為1020-l1-l2-l3-2。隱層神經元個數經驗公式為

(9)

式中lh——隱層神經元個數

lh-——前一層神經元個數

lh+——后一層神經元個數

δ——平衡參數，取0～10之間的常數

根據式(9)得到求解各隱層神經元個數的方程組為

(10)

通過選取合適的δ值，解方程組(10)得l1=37，l2=12，l3=7。

為了得到最優的各隱層神經元個數，按照梯度5依次將l1取值為32、37、42和47，將l2取值為7、12、17和22，將l3取值為2、7、12和17。經過多次訓練對比重構誤差和訓練收斂時長，最終將l1、l2和l3分別取值為42、17和7，故DBN網絡模型結構設定為1020-42-17-7-2。

3.2　深度信念網絡豬咳嗽聲識別模型訓練

本模型采用的非監督貪婪算法逐層預訓練RBM和BP算法[22-23]以整體微調的方式來訓練DBN。預訓練的過程即逐層訓練RBM的過程。將每一個豬聲音樣本特征參數作為一個狀態向量s，RBM訓練的目的是通過式(7)最小化玻爾茲曼機的能量，同時通過式(8)最大化狀態向量s出現的概率，進而得到對應的RBM權值wij和閾值θi參數。這個過程用對比散度(Contrastive divergence，CD)算法來實現[24-25]。

對于一個含有ld個顯層神經元、lq個隱層神經元的RBM，令v和h分別表示顯層與隱層神經元的狀態向量，由RBM的特殊網絡結構可得，由隱層計算顯層和顯層計算隱層的條件概率分別為

(11)

(12)

由CD算法原理，對于每一個豬聲音樣本v，首先根據式(12)計算出隱層神經元的狀態分布，然后由此概率分布通過吉布斯采樣得到h；接著根據式(11)和式(12)得到RBM權值更新公式為

wt+1=wt+η(vhT-v′h′T)

(13)

式中η——學習率，本文設置為0.1

v′——v經過吉布斯采樣的結果

h′——h經過吉布斯采樣的結果

wt——第t次訓練得到的權值

wt+1——第t+1次訓練得到的權值

為了提高DBN訓練效率，本文采用數據包(每包50個樣本)分包進行學習訓練。為防止DBN訓練時陷入過擬合，在權值更新過程中引入權重衰減(Weight decay)進行修正，通常情況下權重衰減取值范圍為0.000 01～0.01[26]。將式(13)修改為

wt+1=wt+η(vhT-v′h′T+rwt)

(14)

式中r——權重衰減，本文設置為0.000 2

3.3　豬咳嗽聲識別結果分析

采用3個指標來衡量實驗結果：豬咳嗽聲識別率(正確識別的豬咳嗽樣本占測試集中豬咳嗽樣本總數百分比)、豬咳嗽聲誤識別率(被誤識別為豬咳嗽聲的豬非咳嗽樣本占測試集中豬非咳嗽樣本總數百分比)和總識別率(正確識別的豬咳嗽樣本和豬非咳嗽樣本占測試集樣本總數百分比)。采用5折交叉驗證方法進行交叉驗證，即將豬咳嗽聲與5種非咳嗽樣本平均分成5等分，并按照訓練集與測試集樣本4∶1的比例分成5組，進行交叉驗證，實驗結果如表1所示。

表1　5折交叉驗證結果Tab.1　Comparison of recognition rate of cross validation method　%

通過表1可知，各組豬咳嗽聲識別率和總識別率均高于90.00%，豬咳嗽聲誤識別率不超過8.07%，說明了本文采用的基于DBN的豬咳嗽聲識別模型是有效的。表1中第1組豬咳嗽聲識別率達到94.12%，誤識別率達到7.45%，總識別率達到93.21%，為最佳實驗組。

3.4　豬聲音信號特征參數降維

經過時間規整算法提取的300維短時能量和720維MFCC組合的1 020維豬聲音信號特征參數維數高，為了提煉出有效的特征參數進而提高豬咳嗽聲識別效率，本文采用主成分分析(Principal component analysis，PCA)[27]舍去原1 020維特征參數中表征豬聲音信號能力弱的特征分量。

其主要實現過程為：

設m為豬聲音樣本個數，n為每個樣本特征參數維度，原始數據矩陣Xm×n可表示為

(15)

將所有樣本進行中心化得到初始化后的數據

(16)

初始化后的數據矩陣X′m×n的協方差矩陣為

(17)

Σ的特征值和特征向量為

(18)

式中λb——Σ的特征值

W——特征值λb對應的特征向量

將特征值λb從大到小排列，取前p個特征值對應的主成分，p值的選取通過特征值貢獻率確定，其計算公式為

(19)

1 020維短時能量和MFCC特征參數與貢獻率的關系如圖9所示。

圖9　特征參數維數的貢獻率Fig.9　Contribution rate of dimension of feature parameters

圖9中，當特征值的貢獻率大于90%時，可認為這p個主成分的特征參數就能反映原豬聲音信號的信息。經過計算，當p取479時，貢獻率達到98.01%。于是，將1 070維特征參數降到479維。通過式(9)再次計算DBN網絡結構為479-27-14-6-2，5折交叉驗證實驗結果如表2所示。

表2　特征參數降維后識別結果Tab.2　Recognition rate after feature parameters dimension reduction　%

對比表1和表2識別結果可知降維后的各實驗組豬咳嗽聲識別率、誤識別率和總識別率較降維前均有相應改善。降維后最佳組為第1組，相對降維前最佳組豬咳嗽聲識別率提高了1.68個百分點，誤識別率降低了0.62個百分點，總識別率提高了1.08個百分點，因此經過主成分分析法優化得到的479維豬聲音特征參數可以代替原1 020維豬聲音特征參數。

4　結論

(1)利用時間規整算法提取豬咳嗽、打噴嚏、吃食、尖叫、哼哼和甩耳朵6種聲音短時能量300維，MFCC 720維，以此1 020維組合特征參數作為豬咳嗽聲與豬非咳嗽聲的衡量指標。進一步采用主成分分析法提取原6種聲音的1 020維特征參數對應的貢獻率為98.01%時的479維特征參數。實驗表明，短時能量和MFCC的結合可以很好地衡量豬咳嗽聲與豬非咳嗽聲的差異。

(2)將深度信念網絡引入豬聲音識別領域，構建一個5層的深度信念網絡豬咳嗽聲識別模型，采用非監督貪婪算法逐層預訓練RBM和BP算法以整體微調的方式訓練DBN。設定50個樣本的小批量數據包訓練模式，學習率為0.1，引入權重衰減0.000 2，能夠獲取收斂較優的豬咳嗽聲識別模型。

(3)通過5折交叉實驗驗證，采用1 020維特征參數，基于DBN的豬咳嗽聲識別模型最佳組豬咳嗽聲識別率達到94.12%，誤識別率為7.45%，總識別率達到93.21%，經過PCA降維至479維后，豬咳嗽聲識別率和總識別率相對降維前均有所提高，誤識別率有所下降，最佳組豬咳嗽聲識別率為95.80%，誤識別率為6.83%，總識別率為94.29%。

1SILVA M, FERRARI S, COSTA A, et al. Cough localization for the detection of respiratory diseases in pig houses[J]. Computers and Electronics in Agriculture, 2008, 64(2):286-292.

2MITCHELL S, VASILEIOS E, SARA F, et al. The influence of respiratory disease on the energy envelope dynamics of pig cough sounds[J]. Computers and Electronics in Agriculture, 2009, 69(1):80-85.

3SARA F, MITCHELL S, MARCELLA G, et al. Cough sound analysis to identify respiratory infection in pigs[J]. Computers and Electronics in Agriculture, 2008, 64(2):318-325.

4何東健, 劉冬, 趙凱旋. 精準畜牧業中動物信息智能感知與行為檢測研究進展[J/OL]. 農業機械學報, 2016, 47(5):231-244.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20160532&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2016.05.032.

HE Dongjian, LIU Dong, ZHAO Kaixuan. Review of perceiving animal information and behavior in precision livestock farming[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016，47(5): 231-244.(in Chinese)

5EXADAKTYLOS V, SILVA M, AERTS J M, et al. Real-time recognition of sick pig cough sounds[J]. Computers and Electronics in Agriculture, 2008, 63(2):207-214.

6GUARINO M, JANS P, COSTA A, et al. Field test of algorithm for automatic cough detection in pig house[J]. Computers and Electronics in Agriculture, 2008, 62(1):22-28.

7HIRTUM A V, BERCKMANS D. Fuzzy approach for improved recognition of citric acid induced piglet coughing from continuous registration[J]. Journal of Sound and Vibration, 2003, 266(3):677-686.

8馬輝棟，劉振宇. 語音端點檢測算法在豬咳嗽檢測中的應用研究[J].山西農業大學學報:自然科學版, 2016，36(6): 445-449.

MA Huidong, LIU Zhenyu.Application of end point detection in pig cough signal detection[J]. Journal of Shanxi Agricultural University:Natural Science Edition, 2016，36 (6): 445-449. (in Chinese)

9劉振宇，赫曉燕，桑靜，等.基于隱馬爾可夫模型的豬咳嗽聲音識別的研究[C]∥中國畜牧獸醫學會信息技術分會第十屆學術研討會論文集，2015：99-104.

10徐亞妮，沈明霞，閆麗，等. 待產梅山母豬咳嗽聲識別算法的研究[J].南京農業大學學報,2016，39(4): 681-687.

XU Yani, SHEN Mingxia, YAN Li, et al. Research of predelivery Meishan sow cough recognition algorithm[J]. Journal of Nanjing Agricultural University, 2016，39(4): 681-687. (in Chinese)

11HINTON G E, OSINDERO S,TEH Y W. A fast learning algorithm for deep belief nets[J]. Neural Computation, 2006,18(7):1527-1554.

12HINTON G E, SALAKHUTDINOV R R. Reducing the dimensionality of data with neural networks[J]. Science, 2006, 313(5786):504-507.

13LECUN Y,BENGIO Y, HINTON G E.Deep learning[J]. Nature，2015,512:436-444.

14MOHAMED A R, DAHL G E, HINTON G E. Acoustic modeling using deep belief networks[J]. IEEE Transactions on Audio Speech and Language Processing, 2011, 20(1):14-22.

15LI Xiangang, YANG Yuning, PANG Zaihu,et al. A comparative study on selecting acoustic modeling units in deep neural networks based large vocabulary Chinese speech recognition[J].Neurocomputing,2015,170:251-256.

16HU Y, LOIZOU P C. Incorporating a psychoacoustical model in frequency domain speech enhancement[J]. Signal Processing Letters IEEE, 2004, 11(2):270-273.

17吳紅衛, 吳鎮揚, 趙力. 基于多窗譜的心理聲學語音增強[J].聲學學報, 2007, 32(3):275-281.

WU Hongwei, WU Zhenyang, ZHAO Li. Psychoacoustical enhancement of speech based on multitaper spectrum[J]. Acta Acustica,2007,32(3):275-281.(in Chinese)

18戴元紅，陳鴻昶，喬德江，等. 基于短時能量比的語音端點檢測算法的研究[J]. 通信技術，2009，42(2):181-183.

DAI Yuanhong, CHEN Hongchang, QIAO Dejiang, et al. Speech endpoint detection algorithm analysis based on short-term energy ratio[J]. Communications Technology, 2009，42(2):181-183.(in Chinese)

19王山海，景新幸，楊海燕. 基于深度學習神經網絡的孤立詞語音識別的研究[J]. 計算機應用研究，2015,32(8):2289-2292.

WANG Shanhai, JING Xinxing, YANG Haiyan. Study of isolated speech recognition based on deep learning neural networks[J].Application Research of Computers,2015,32(8):2289-2292.(in Chinese)

20林瑋，楊莉莉，徐柏齡. 基于修正MFCC參數漢語耳語音的話者識別[J]. 南京大學學報:自然科學版，2006,42(1):54-62.

LIN Wei, YANG Lili, XU Boling. Speaker identification in Chinese whispered speech based on modified-MFCC[J]. Journal of Nanjing Uninersity: Natural Sciences,2006,42(1):54-62.(in Chinese)

21李志忠，騰光輝. 基于改進MFCC的家禽發聲特征提取方法[J]. 農業工程學報， 2008,24(11):202-205.

LI Zhizhong, TENG Guanghui. Feature extraction for poultry vocalization recognition based on improved MFCC[J]. Transactions of the CSAE,2008,24(11):202-205.(in Chinese)

22YU C C, LIU B D. A backpropagation algorithm with adaptive learning rate and momentum coefficient[C]∥International Joint Conference on Neural Networks. IEEE, 2002:1218-1223.

23HAMEED A A, KARLIK B, SALMAN M S. Back-propagation algorithm with variable adaptive momentum[J]. Knowledge-Based Systems, 2016,114:79-87.

24ERHAN D, BENGIO Y, COURVILLE A, et al. Why does unsupervised pre-training help deep learning?[J]. Journal of Machine Learning Research, 2010, 11(3):625-660.

25HINTON G E.Learning multiple layers of representation[J]. Trends in Cognitive Sciences, 2007, 11(10):428-434.

26HINTON G E. A practical guide to training restricted boltzmann machines[J]. Momentum, 2012, 9(1):599-619.

27李慧，祁力鈞，張建華，等. 基于PCA-SVM的棉花出苗期雜草類型識別[J/OL].農業機械學報，2012,43(9):184-189.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20120934&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2012.09.034.

LI Hui, QI Lijun, ZHANG Jianhua, et al. Recognition of weed during cotton emergence based on principal component analysis and support vector machine[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2012，43(9): 184-189.(in Chinese)