【发布时间】：2012-11-01 11:06:56
【问题描述】：
伙计们。我目前正在做一个项目，根据在那个环境中录制的音频来检测你所处的环境（例如在汽车上、公共汽车上、火车上、街道上、食堂里）。
基本上我会先录一个wav，然后做FFT，然后在频域上分析。 该软件应开发为 Android 应用程序。
我读过关于 HMM、MFCC 的论文，但我认为它们太复杂了，无法仅检测几个环境。
欢迎任何想法或建议！提前致谢
【问题讨论】：
【发布时间】：2012-11-01 11:06:56
【问题描述】：
几年前我一直在从事一个类似的项目，并试图从加速度计、陀螺仪和 GPS 等多个传感器收集的信息中了解用户当前的车辆。
在那个项目中，我使用了 FFT、决策树和 HMM。我觉得只有音频+FFT是远远不够的，FFT可以从音频数据中提取频域上的几个特征，但是只有这些并不能区分环境。
我的建议是在数据挖掘中选择合适的算法来训练强模型，并使用 HMM 或其他方法进行时间序列分析。
【讨论】：
-
您好faylon，非常感谢您的回复！请问您是如何构建模型和训练模型的，以及如何使用 HMM 进行时间序列分析？很抱歉，我对此没有很强的知识基础......
-
好的，首先，您需要从不同环境、不同人的传感器收集数据。其次，您需要从所有这些数据中提取一些区别特征，例如速度、加速度、频率能量、它们的方差等等。第三，选择数据挖掘中的一种或几种算法，根据这些特征和数据建立模型。
-
然后就可以用这个模型做分类了。 Hmm 用于时间序列分析，您可以简单地使用状态转移概率表从过去的状态预测当前状态。