一种车辆声音信号特征提取方法技术

本发明专利技术涉及一种车辆声音信号特征提取方法，包括：对车辆声音信号进行预处理，同时提取基频；作快速傅里叶变换，计算出信号能量谱；将声音信号基频与梅尔三角滤波器组的中心频率进行组合，得到基频自适应三角滤波器组；将信号能量谱通过基频自适应三角滤波器组，得到基频自适应梅尔能量谱；对基频自适应的梅尔能量谱进行倒谱分析，得到基频自适应梅尔倒谱系数；对基频自适应梅尔倒谱系数的每一维分量进行加权，得到最终的车辆声音信号特征。本发明专利技术降低了同种车型声音信号特征间的区分度，增大了不同车型声音信号特征之间的差别，从而提高声音信号特征的抗噪能力以及在野外环境下的鲁棒性。

A feature extraction method of vehicle sound signal

【技术实现步骤摘要】
一种车辆声音信号特征提取方法
本专利技术涉及声音信号识别领域，更具体地涉及一种车辆声音信号特征提取方法。
技术介绍
根据车辆行进过程中采集到的声音信号来对野外车辆目标进行识别，一般分为两个步骤：首先提取声音传感器采集到的声信号的特征；其次设计分类器以得到判别结果。目前常用的声信号特征有基于小波包变换提取的特征、线性预测倒谱系数、梅尔倒谱系数(Mel-FrequencyCepstralCoefficient,MFCC)、基于经验模态分解提取的特征等。其中，MFCC较常见，被广泛用于语种识别、说话人识别、声纹识别等领域，近年来被成功应用于车辆目标的分类识别。由于人的听觉系统是一个非线性系统，人耳对声音信号原始频谱的感知是非线性的。随着声音信号的频率降低，人耳接收信号的能力愈发敏感。为了使人耳对声音信号的敏感程度与信号频率呈现线性关系，MFCC参数将信号频谱作映射处理，将原始频率转化为梅尔频率的公式为：式中，M(f)为梅尔频率，f为声音信号原始频率。在梅尔频域内，人耳对声音信号的感知度是线性的。传统的MFCC在识别纯净本文档来自技高网...

【技术保护点】
1.一种车辆声音信号特征提取方法，其特征在于，包括：/n步骤S1，对车辆声音信号进行预处理，同时提取车辆声音信号的基频；/n步骤S2，对预处理之后的声音信号作快速傅里叶变换，并计算出信号的能量谱；/n步骤S3，将所述声音信号的基频与梅尔三角滤波器组的中心频率进行组合，得到基频自适应的三角滤波器组；/n步骤S4，将所述信号能量谱通过所述基频自适应的三角滤波器组，得到基频自适应梅尔能量谱；/n步骤S5，对所述基频自适应的梅尔能量谱进行倒谱分析，得到基频自适应梅尔倒谱系数；/n步骤S6，对所述基频自适应梅尔倒谱系数的每一维分量进行加权，得到最终的车辆声音信号特征。/n

【技术特征摘要】
1.一种车辆声音信号特征提取方法，其特征在于，包括：
步骤S1，对车辆声音信号进行预处理，同时提取车辆声音信号的基频；
步骤S2，对预处理之后的声音信号作快速傅里叶变换，并计算出信号的能量谱；
步骤S3，将所述声音信号的基频与梅尔三角滤波器组的中心频率进行组合，得到基频自适应的三角滤波器组；
步骤S4，将所述信号能量谱通过所述基频自适应的三角滤波器组，得到基频自适应梅尔能量谱；
步骤S5，对所述基频自适应的梅尔能量谱进行倒谱分析，得到基频自适应梅尔倒谱系数；
步骤S6，对所述基频自适应梅尔倒谱系数的每一维分量进行加权，得到最终的车辆声音信号特征。


2.根据权利要求1所述的车辆声音信号特征提取方法，其特征在于，所述步骤S1中的预处理包括预加重、分帧以及加窗。


3.根据权利要求1所述的车辆声音信号特征提取方法，其特征在于，采用谱减-自相关函数法提取所述车辆声音信号的基频。


4.根据权利要求1所述的车辆声音信号特征提取方法，其特征在于，所述步骤S3中基频自适应三角滤波器组的设计方法为：将车辆声音信号的基频fb与梅尔三角滤波器组各滤波器的中心频率F＝(f1,f2,…,fN)按升序排列，组合成新的向量Fb＝(f1,f2,…,fb,…,fN+1)，Fb向量的各个分量为基频自适应三角滤波器组各滤波器的中心频率；其中，N为梅尔三角滤波器组的滤波器个数。


5.根据权利要求4所述的车辆声音信号特征提取方法，其特征在于，所述基频自适应的三角滤波器组按如下公式描述：



式中，Hi(k)表示滤波器参数；i＝1,2,K,N，N表示梅尔三角滤波器组的滤波器个数；f(i)表示第...

【专利技术属性】
技术研发人员：李成娟，李宝清，王国辉，刘建坡，童官军，向浩，
申请(专利权)人：中国科学院上海微系统与信息技术研究所，
类型：发明
国别省市：上海;31