应用变分模态分解和随机森林特征选择算法的扬声器异常声分类

为了提高扬声器异常声分类的精度，提出了基于变分模态分解(variational mode decomposition, VMD)和随机森林特征选择算法的扬声器异常声分类方法。首先利用VMD分解采集到的扬声器声响应信号，之后对得到的一系列模态分量提取时域和频域特征；然后利用随机森林特征计算提取特征的重要性，通过递归特征消除算法提取出相关性较强的特征构造出最优特征子集；最后将最优特征子集输入至随机森林分类器中，实现扬声器异常声的分类识别。试验结果表明，该方法可以筛选出规模较小且识别度较高的低维特征数据集，同时具有更好的平均识别准确率，平均识别准确率为98.61%。