题目：储粮害虫活动声信号识别研究

人类的生产和生活离不开粮食，收获后的粮食，在储存过程中会遭受霉菌、害虫、鼠类等危害，使粮食的质量下降，直接危害人类身体健康。

造成粮仓中粮食损失的各种因素中，最大的因素是害虫。每年世界上粮食在粮仓中的损失达8%，而害虫造成的损失量为5%。因此，及早检测和发现粮仓中储粮害虫的种类和数量，便于采取针对性措施防范和治理储粮害虫，对安全储粮具有重要意义。

声检测技术通过检测储粮害虫的活动声信号，能够快速、简便、无损、灵活地检测出粮堆中的储粮害虫，近年来一直是储粮害虫检测技术的一个研究热点。

本文的研究内容主要包括以下方面：

(1)介绍储粮害虫活动声信号检测的背景和意义，概述储粮害虫检测技术的研究现状，重点概括声检测技术在检测储粮害虫领域的研究发展状况。

(2)根据储粮害虫玉米象和赤拟谷盗的形态及习性特征，从软件和硬件方面设计了储粮害虫活动声信号采集系统，对采集系统装置、录音软件和声信号采集过程进行了设置，采集赤拟谷盗和玉米象的爬行信号和翻身振动信号，分析并对比4种活动声信号的特征。

(3)对储粮害虫活动声信号进行去噪实验。分别阐释EMD理论、小波阈值去噪算法、BP神经网络自适应滤波去噪和FastICA算法理论，利用四种算法对含噪声信号进行去噪，比较各方法去噪效果。结果表明，EMD方法和FastICA方法对储粮害虫活动声信号的去噪效果较另两种方法的去噪效果好。

(4)基于GMM和聚类方法识别储粮害虫活动声信号。介绍高斯混合模型的基本原理及其参数估计方法、MFCC特征、聚类算法理论，阐述GMM和聚类相结合识别声信号的方法。提取活动声信号的MFCC特征，对MFCC特征数据建立GMM模型，利用聚类算法对4种活动声信号进行识别，识别率均达到84%以上。

(5)基于FastICA算法识别和分离声信号。介绍FastICA算法理论，从盲源中分离出独立分量，将混合信号中的储粮害虫活动声信号分离成独立分量。结果表明，混合信号中的独立分量得到分离，且保持了原声信号的特性。该方法为分离实际粮仓中粮虫混合声信号问题提供了解决方法和思路。
(6)基于ISOMAP和SVM方法识别储粮害虫活动声信号。介绍流形学习方法与等距映射算法ISOMAP，将粮虫活动声信号数据从高维降低到低维，提取ISOMAP特征。然后介绍支持向量机理论，通过支持向量获得最优超平面，对声信号的ISOMAP流形特征进行分类。实验验证了选用不同的核函数参数对最优分类面的影响，在设定参数值为2、为0.25的情况下，讨论了惩罚参数对SVM识别率的影响，当值达到21时，识别率达到稳定状态，信号的分类情况最稳定，效果最好。在上述三个参数值下，对4种活动声信号进行分类，取得了良好的识别效果。