摘要:针对 Mel频率倒谱系数(MFCCs) 信息在区分音频信号时的局限性, 提出一种基于不同特征提取技术的两级分类策略, 对智能保健监测系统的9种音频信号进行分类。分类的第一级采用 MFCCs及其变化率( ΔMFCCs ) 作为隐马尔可夫模型(HMM)的输入。在第二级, 将不同频段的功率谱密度的一阶差分均值和标准差作为分类的特征。实验结果表明, 功率谱密度的一阶差分包含了MFCCs所不含有的重要分类信息, 该方法使得实时保健监测系统的平均分类准确度高达97.37%, 具有较好的鲁棒性和分类准确性。