基于MFCC的声音检测装置及算法实现

米月琴 王新怀 徐茵

摘要：提出了一种基于梅尔频率倒谱系数（Mel frequency cepstrum coefficients，MFCC）的声音检测装置及 算法实现。通过采集声音的波形，结合特征提取和分类算法，实现对不同声音的智能判断。从嵌入式系统 硬件设计、声音波形特征提取、声音分类算法等方面进行了详细的研究，并对实验结果进行了分析。结果 表明，该设计方案在声音检测方面具有较高的准确性和可行性。

关键词：MFCC；特征提取；嵌入式系统；检测装置

中图分类号：TN912.3；TP277文献标识码：A

0 引言

近年来，信号处理技术和语音识别技术都取得 了飞速的发展。研究人员越来越多地采用信号处理 和语音识别方法来分析声音。数字信号处理技术的 进步，使得研究人员能够借助计算机高效分析声 音，时域分析、频域分析和频谱分析等信号处理手 段为研究人员提供了丰富的工具。在语音识别领 域，信号经过预处理后，再经过模式识别技术进行 分类判断，这些分类判断后的信号对于声音的分析 至关重要。

婴儿啼哭声中包含丰富的信息，如饥饿、疼 痛、不适或疾病等。基于嵌入式系统的婴儿啼哭智 能检测设计可以实时分析和识别啼哭声，及时发现 婴儿的健康问题，为医护人员提供重要参考，从而 采取相应的护理和治疗措施。婴儿啼哭声识别可以 作为一种辅助工具，帮助父母或照顾者更好地了解 婴儿的需求 [1]。婴儿啼哭检测装置通过分析啼哭声 的特征和模式，可以快速判断婴儿的状态，是否饥 饿、是否需要换尿布、是否感到不适等 [2]。

基于嵌入式系统的智能婴儿啼哭检测设计是一 项前沿研究，旨在利用先进的硬件和软件技术，实 现对婴儿啼哭声的实时分析和识别。本文通过探讨 该设计方案的主要内容，包括系统设计、软件设 计、算法设计和测试结果，以期为智能婴儿护理和 健康监测领域提供有益的参考和指导。

1 系统设计

本装置基于嵌入式系统，通过各种传感器来检 测婴儿是否啼哭、是否发烧、是否尿床，从而及时 安抚婴儿。系统采用了高性能的嵌入式处理器作为主控单元，用于控制和管理整个系统的运行 [3]。声 音传感器负责实时采集婴儿的啼哭声信号，并将 其转化为数字信号用于后续处理。湿度传感器可 检测婴儿尿床情况，及时发现湿度变化并进行记 录。温度传感器用于监测婴儿的体温，确保婴儿的 身体状态得到及时关注。这些传感器与嵌入式处 理器通过适当的接口和通信方式进行连接和数据传 输。系统由硬件和软件两个部分组成，通过精心设 计的算法和可靠的报警机制，使得系统能够高效 工作并提供准确的婴儿护理服务。系统组成如图 1 所示。

2 软件设计

系统采用了梅尔频率倒谱系数（Mel frequency cepstrum coefficients，MFCC）算法和软件设计，实 现对传感器数据的处理、分析和报警。通过声音信 号处理算法，系统能够提取婴儿啼哭声的特征和模 式，以判断婴儿的情绪状态和需求。湿度数据和温 度数据经过处理和分析，用于检测尿床和体温异常 情况。基于这些数据和算法，系统能够及时发出警 报信号，通过声音提示、LED 指示灯等方式提醒看 护者婴儿的情况，以便及时采取相应的护理和照顾 措施。软件流程如图 2 所示。

3 算法设计

算法设计主要包括声音信号预处理、特征提取 算法。声音信号预处理主要负责对采集到的信号降 噪，并进行滤波、归一化等处理，以便于后续特征 提取 [4]。特征提取算法需要将声音信号转化为可以 用于分类的特征向量，本文采用上述提到的基于时 域、频域和小波变换的特征提取方法，算法设计内 容如下。

（1）婴儿啼哭声音信号的采集与预处理。首先 需要通过麦克风等设备采集婴儿啼哭声音信号。为 了确保信号质量，可对采集到的声音信号进行预处 理，包括去除背景噪声、预加重滤波以补偿信号中 高频部分的能量损失等。预处理后的信号是后续 MFCC 算法提取特征的基础。

（2）特征提取算法。MFCC 算法通过应用离 散余弦变换的方式将梅尔频谱转换为频率系数。然 后，选择一部分系数作为特征向量，将高维度的频 谱数据降低为较低维度的特征向量。该方式有助于 减少特征向量的冗余性，提高分类器模型的效率和 准确性。

（3）特征表示和分类。通过将选定的一部分系 数组合成一个特征向量，可以将婴儿啼哭声表示为 一个数值向量。该向量包含了声学特征，可作为输 入向量提供给分类器模型。分类器模型根据训练数 据中不同类型的啼哭声模式进行学习，对输入的特 征向量进行分类预测，判断啼哭声是否属于特定类 型。图 3 和图 4 分别为婴儿哭声 MFCC 提取结果、 婴儿哭声维数与幅值的关系；图 5 和图 6 分别为成 人声音 MFCC 提取结果、成人声音维数与幅值的 关系。

由此可见，婴儿哭声在各方面都与成人声音有 所区别。在频率特征上，婴儿哭声通常具有较高的 频率，主要集中在高频段；常见噪声则在频率上均 匀分布，包含各种频率。在時域特征上，婴儿哭声 的时域特征通常表现为连续且有规律的振荡，具有 一定的周期性；常见噪声则在时域上表现为随机的 波动，缺乏明显的周期性。在动态特性上，婴儿哭 声具有较明显的动态变化，包括音高、音量和音 色的变化，且随着婴儿情绪的变化而变化；常见 噪声通常是固定的、稳定的，不具备明显的动态 变化 [5]。

4 测试结果

4.1 数据收集

为了训练一个有效的模型，需要收集大量的正 类（婴儿哭声）和负类（其他背景声音）样本。针 对已有的婴儿哭声音频，可以将其切分成多个较短 的片段以增加样本数量。然而，仅依靠这一个音频 是不够的，还需要收集更多音频文件。 本文的测试收集了 50 个正类和 50 个负类音频文 件，每个文件时长为 2 s。总样本量为 100 个。

4.2 数据预处理

确保所有音频文件具有相同的采样率、比特率 和声道数，保证特征提取过程具有一致性。因此， 所有转换后的音频文件采样率为 44 100 Hz、比特 率为 16 bit/s 且为单声道。

4.3 MFCC 算法处理

为了测试该装置对信号的降噪作用，将各种 不同程度噪声信号与婴儿哭声音频叠加后参与识 别，测试结果可反映出本产品中采用的算法是否完备且有效。对婴儿哭声样本分别叠加 5 dB、10 dB、 15 dB 的噪声，基于 MFCC 算法提取的特征参数， 最后统计识别数量，并与之前未加噪声时的样本数 量比较，得到叠加噪声后识别率比较（表 1）。

由此可见，系统在不同噪声环境下都能保持识 别率不会低于 83%，具有较强的抗干扰能力。这意 味着在现实生活中，如家庭、医院等各种环境中， 系统都能有效地识别婴儿哭声。

5 结论

本文通过嵌入式系统设计和各个传感器采集 数据实现了硬件系统的设计，采用 MFCC 算法进 行特征提取并在微控制单元（microcontroller unit， MCU）上编程实现。实验结果表明，本文提出的 嵌入式系统检测婴儿哭声的设计具有较高的准确率 和抗干扰能力。本设计在实际应用中具有重要意 义，有助于家长及时了解婴儿的需求和状况，为医 护人员提供有力的辅助手段。

参考文献

[1] 罗聪，李辉，彭旺，等 . 基于 STM32 的智能安全监 护系统设计 [J]. 仪表技术，2022（5）：18-20.

[2] 杨振雷 . 智能婴儿监护系统设计 [J]. 电子世界，2012 （22）：127-128.

[3] 王赫楠，燕燕，王甜宇，等 . DTW 算法在嵌入式语 音识别系统中的应用研究 [J]. 科技创新导报，2014， 11（8）：71.

[4] 许爱功 . 基于 ARM 和 FPGA 的语音识别系统的研究 [D]. 北京：北方工业大学，2014.

[5] 崔战士 . 复杂背景噪声中的婴儿啼哭声检测研究 [D]. 哈尔滨：哈尔滨工业大学，2019.