简介： 本发明提供一种基于隐马尔可夫模型(Hidden?Markov?Model,HMM)的选矿设备故障异常音频分析与识别方法，涉及数字音频处理技术领域。该方法包括：输入WAV格式的选矿设备音频信号，对采集的音频样本进行预处理，提取线性预测倒谱系数(Linear?Prediction?Cepstrum?Coefficient,LPCC)和美尔倒谱系数(Mel?Frequency?Cepstrum?Coefficient,MFCC)等特征作为特征参数，利用Baum-Welch算法进行训练，通过训练得到状态转移概率矩阵，识别时采用Viterbi算法，通过计算未知音频信号在转移过程中的最大概率，并根据最大概率对应的模型进行识别。本发明能有效地侦测音频信号中的异常声响，从而有效识别选矿设备故障异常。