使用机器学习分析振动

人工智能 机器学习 信号处理
2021-10-25 22:26:52

我想就我的想法提出一些建议 -

我正在尝试制作乐器(打击乐器),而只有一张 PVC 光盘。我以多种风格敲击唱片(以便相应地产生多种声音),就像敲击实际打击乐器的方式一样。我正在使用传感器将 PVC 盘上的机械振动转换为电信号,对不同的笔划进行 FFT 分析,并尝试识别被击中的笔划。使用这种技术,我只能得到 80% 的准确率。我希望它非常准确(识别率超过 95%)。我只使用频率作为用于区分声音的参数。

现在,我在想,如果我也可以使用其他参数来识别笔划,我可能能够获得所需的精度。我正在考虑为此使用机器学习。我对此有点陌生,想知道在继续这个想法之前我可能需要知道什么。

任何帮助将不胜感激。

1个回答

如果您想在这样的项目中使用机器学习,您可以直接使用振动数据,并将问题视为常规音频分类问题。

一种简单的方法是使用带有卷积的神经网络。这将为您处理特征提取。最后可能是密集层。

鉴于此,如果您发布数据样本,提出建议会更容易。

编辑:另外,请记住,机器学习通常需要大型数据集,因此如果您按照描述的方式自己收集数据,您可能没有足够的样本来运行一个好的模型。在这种样本数量有限的情况下,可以使用迁移学习——使用预先训练的模型——但我不知道有任何这种用于波浪数据的预先训练的模型。