petshy/optimized_user_guide.md

猫咪翻译器优化版使用指南

简介

猫咪翻译器优化版是在原有猫咪翻译器V2基础上，根据米兰大学研究团队的最佳实践进行全面优化的系统。本系统集成了时序调制特征、统计静音检测、混合特征提取和DAG-HMM分类方法，显著提高了猫叫声检测和意图分类的准确率。

系统优化亮点

1. 时序调制特征提取：基于米兰大学研究，实现了捕捉猫叫声时序调制特征的提取方法
2. 统计模型静音检测：优化了静音检测算法，提高了猫叫声分割的准确性
3. 混合特征提取器：结合MFCC、YAMNet嵌入和时序调制特征，创建更全面的声学特征表示
4. DAG-HMM与优化特征集成：将最佳分类方法与优化特征结合，实现最高准确率
5. 调整梅尔滤波器数量：从64调整到23，与米兰大学研究一致，更适合猫叫声分析

安装依赖

pip install numpy==1.24.3 librosa==0.10.1 scikit-learn==1.3.0 tensorflow==2.12.0 pyaudio==0.2.13 matplotlib==3.7.2 hmmlearn==0.3.0 sounddevice==0.4.6

使用方法

1. 分析音频文件

python optimized_main.py analyze path/to/audio.wav --detector models/optimized_cat_detector_svm.pkl --intent-model models/optimized_dag_hmm_temporal_modulation.pkl --feature-type temporal_modulation

参数说明：

• --detector: 猫叫声检测器模型路径
• --intent-model: 意图分类器模型路径
• --feature-type: 特征类型，可选 'temporal_modulation'(推荐), 'mfcc', 'yamnet', 'hybrid'
• --threshold: 猫叫声检测阈值，默认0.5

2. 实时麦克风分析

python optimized_main.py live --detector models/optimized_cat_detector_svm.pkl --intent-model models/optimized_dag_hmm_temporal_modulation.pkl --duration 3.0 --interval 1.0

参数说明：

• --duration: 每次录音持续时间（秒）
• --interval: 分析间隔时间（秒）
• --device: 录音设备ID（可选）

3. 添加训练样本

# 添加猫叫声样本
python optimized_main.py add-sample path/to/cat_sound.wav "快乐" --is-cat-sound --cat "我的猫咪"

# 添加非猫叫声样本
python optimized_main.py add-sample path/to/non_cat_sound.wav "环境噪音"

4. 训练猫叫声检测器

python optimized_main.py train-detector --cat-samples samples/cat_sounds --non-cat-samples samples/non_cat_sounds --model-type svm --output models/my_cat_detector.pkl

参数说明：

• --model-type: 模型类型，可选 'svm'(推荐), 'rf', 'nn'

5. 训练意图分类器

python optimized_main.py train-intent --samples intent_samples --feature-type temporal_modulation --output models/my_intent_classifier.pkl

样本目录结构：

intent_samples/
├── 快乐_满足/
│   ├── sample1.wav
│   ├── sample2.wav
├── 愤怒/
│   ├── sample1.wav
│   ├── sample2.wav
...

6. 系统验证

# 验证意图分类器
python optimized_system_validator.py --test-files test_data/manifest.json --validate-intent --intent-feature-type temporal_modulation --plot

# 验证猫叫声检测器
python optimized_system_validator.py --test-files test_data/manifest.json --validate-detector --detector-model-type svm --plot

# 同时验证两者
python optimized_system_validator.py --test-files test_data/manifest.json --validate-intent --validate-detector --plot

测试文件JSON格式：

[
  {"path": "path/to/audio1.wav", "intent": "快乐", "is_cat_sound": true},
  {"path": "path/to/audio2.wav", "intent": "愤怒", "is_cat_sound": true},
  {"path": "path/to/audio3.wav", "is_cat_sound": false}
]

特征类型选择指南

1. 时序调制特征 (temporal_modulation)：

   • 优势：最适合猫叫声分析，捕捉时序模式
   • 推荐用于：意图分类，尤其是区分不同情感状态

2. MFCC特征 (mfcc)：

   • 优势：计算效率高，适合资源受限设备
   • 推荐用于：简单场景和快速原型开发

3. YAMNet嵌入 (yamnet)：

   • 优势：通用声音识别能力强
   • 推荐用于：复杂环境中的猫叫声检测

4. 混合特征 (hybrid)：

   • 优势：结合所有特征的优点，最全面
   • 推荐用于：追求最高准确率，不考虑计算资源

模型类型选择指南

1. SVM：

   • 优势：小样本(10-30)效果好，训练快，模型小
   • 推荐用于：初始阶段，样本数量有限时

2. 随机森林(RF)：

   • 优势：中等样本(30-100)效果好，特征重要性分析
   • 推荐用于：需要了解关键声学特征时

3. 神经网络(NN)：

   • 优势：大样本(100+)效果最佳，持续学习能力强
   • 推荐用于：长期使用，有大量样本时

4. DAG-HMM：

   • 优势：最适合猫叫声时序分析，准确率最高
   • 推荐用于：意图分类，尤其是与时序调制特征结合

性能优化建议

1. 每个类别收集至少10个高质量样本
2. 使用统计静音检测进行精确分段
3. 对于意图分类，优先使用时序调制特征+DAG-HMM组合
4. 对于猫叫声检测，在样本数量<30时使用SVM，>100时考虑神经网络
5. 定期使用系统验证工具评估性能并调整参数

故障排除

1. 未检测到猫叫声：

   • 降低检测阈值（--threshold 0.3）
   • 确保录音质量良好，背景噪音较小
   • 添加更多当前环境下的猫叫声样本

2. 意图分类不准确：

   • 为特定意图添加更多样本
   • 尝试不同特征类型，特别是temporal_modulation
   • 调整DAG-HMM参数（状态数和混合成分数）

3. 系统运行缓慢：

   • 使用计算效率更高的特征类型（如mfcc）
   • 减少音频分段重叠
   • 降低采样率（但不低于16kHz）