振动波形转音频播放并做声纹聚类
1、效果
2、操作流程
1.读取数据库波形数据：波形，特征，标签
2. 数据预处理流程重采样：将低频振动数据(如1000Hz)上采样到标准音频采样率(22.05kHz)振幅归一化：将数据缩放到[-1, 1]范围特征提取：使用多种声学特征描述振动模式MFCC(梅尔频率倒谱系数) - 20个系数色度特征 - 12个音级能量梅尔频谱 - 20个频带频谱质心 - 频谱"重心"过零率 - 信号穿越零点的频率3. 特征工程优化特征标准化：使用Z-score标准化降维处理：PCA保留95%的方差特征可视化：2D PCA投影展示聚类结构4. 聚类算法选择支持多种无监督聚类算法：K-Means：基于距离的划分聚类GMM(高斯混合模型)：概率模型聚类DBSCAN：基于密度的聚类(可检测噪声)层次聚类：树状结构聚类5. 聚类质量评估肘部法则：寻找最佳聚类数轮廓系数：衡量簇内紧密度和簇间分离度Calinski-Harabasz指数：簇间方差与簇内方差的比率6. 结果分析与解释簇可视化：2D散点图展示聚类结果簇分布：柱状图显示各簇样本数量特征分析：箱线图比较各簇声学特征代表样本：播放每簇的典型振动模式7.验证准确率
