[發(fā)明專利]基于DTW與HMM證據(jù)融合的特種車鳴笛聲識別方法

有效

• 申請?zhí)枺?/td>: 201210546541.5
• 申請日: 2012-12-17
• 公開（公告）號: CN103065627A
• 公開（公告）日: 2013-04-24
• 發(fā)明（設(shè)計）人: 余伶俐;蔡自興;吳敏;唐琎;周開軍;黃益紹;譚平
• 申請（專利權(quán)）人: 中南大學(xué)
• 主分類號: G10L15/12
• 分類號: G10L15/12;G10L15/14
• 代理公司: 長沙市融智專利事務(wù)所 43114
• 代理人: 黃美成

1.一種基于DTW與HMM證據(jù)融合的特種車鳴笛聲識別方法，其特征在于，包括以下步驟：

步驟1：建立車輛鳴笛聲樣本庫；

車輛鳴笛聲包括警車、消防車、救護車和普通汽車的鳴笛聲；從現(xiàn)場采集車輛鳴笛聲或從影視資料中截取車輛鳴笛聲，形成車輛鳴笛聲樣本庫；樣本庫中存儲的內(nèi)容均為音頻信號；

步驟2：預(yù)處理步驟；

對當(dāng)前采集的汽車鳴笛聲進行預(yù)加重處理、分幀加窗處理，然后進行端點檢測，以分解出汽車鳴笛聲每個聲段；

步驟3：車輛鳴笛聲特征參數(shù)提取及降維處理；

提取經(jīng)過預(yù)處理后的汽車鳴笛聲中的特征參數(shù)，并對該特征參數(shù)進行降維處理；

步驟4：基于證據(jù)融合的特種車鳴笛聲識別；

分別采用DTW算法和HMM算法得到DTW識別結(jié)果和HMM識別結(jié)果；

若DTW識別結(jié)果和HMM識別結(jié)果一致，則最終的識別結(jié)果與DTW識別結(jié)果或HMM識別結(jié)果保持一致；

若DTW識別結(jié)果和HMM識別結(jié)果不一致，則進行DS證據(jù)理論的識別決策推理，決策輸出最終的識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于DTW與HMM證據(jù)融合的特種車鳴笛聲識別方法，其特征在于，所述的步驟3中車輛鳴笛聲特征參數(shù)提取是指對每段音頻信號的每幀提取了以下參數(shù)：

短時能量及短時幅度的均值、標(biāo)準(zhǔn)差、最小值、最大值、動態(tài)范圍、一階差分均值、一階差分標(biāo)準(zhǔn)差---共14維；

短時過零率的均值、標(biāo)準(zhǔn)差、最小值、最大值、動態(tài)范圍、一階差分均值、一階差分標(biāo)準(zhǔn)差—共7維；

基音周期的均值、標(biāo)準(zhǔn)差、最小值、最大值、動態(tài)范圍、一階差分均值、一階差分標(biāo)準(zhǔn)差—共7維；

12維MFCC及其一階差分的均值、標(biāo)準(zhǔn)差、最小值、最大值、動態(tài)范圍、一階差分均值、一階差分標(biāo)準(zhǔn)差---共168維；

前三個共振峰的均值、標(biāo)準(zhǔn)差、最小值、最大值、動態(tài)范圍、一階差分均值、一階差分標(biāo)準(zhǔn)差—共21維；

再加30維對數(shù)功率譜的均值；

總計247維特征參數(shù)；

所述的降維處理是指通過主成成分分析法實現(xiàn)降維，得到樣本特征矢量序列X＝{X₁，X₂，…，X_N}，N取31。

3.根據(jù)權(quán)利要求1所述的基于DTW與HMM證據(jù)融合的特種車鳴笛聲識別方法，其特征在于，步驟4中的基于DTW算法的車輛鳴笛聲識別，是指：計算測試鳴笛聲特征參數(shù)與各鳴笛聲參考模板間的歐式距離，根據(jù)同類聲信號間的歐式距離小(測試聲信號與哪類參考模板距離最小，則此類型鳴笛聲為識別結(jié)果)，而非同類聲信號之間的距離大的原理，如果輸入聲信號與模板之間的距離小于距離閥值D_Z，則認為是車輛鳴笛聲(包括警車、消防車、救護車和普通汽車的鳴笛聲)，否則視為非車輛鳴笛聲。

4.根據(jù)權(quán)利要求1所述的基于DTW與HMM證據(jù)融合的特種車鳴笛聲識別方法，其特征在于，步驟4中的基于HMM算法的車輛鳴笛聲識別的過程為：

車輛鳴笛聲樣本庫中，將DTW分類器檢測出的非特種車輛鳴笛聲刪去后，剩余的車輛鳴笛聲樣本庫中的聲料再經(jīng)過預(yù)處理，計算出每句特種車輛鳴笛聲降維后的特征矢量，也即觀察序列；從車輛鳴笛聲樣本庫中為每類特種車選擇三分之一樣本經(jīng)過Baum_welch算法進行訓(xùn)練，對每種車型的鳴笛聲信號建立隱馬爾可夫參數(shù)訓(xùn)練模型，再采用Viterbi算法進行鳴笛聲識別。

5.根據(jù)權(quán)利要求1-4任一項所述的基于DTW與HMM證據(jù)融合的特種車鳴笛聲識別方法，其特征在于，步驟4中的DS證據(jù)理論的識別決策推理的具體步驟為：

設(shè)∃A1,A2⋐Θ,]]>且滿足：M(A1)=max{M(Ai),Ai⋐Θ},]]>即M(A₁)表示取最大值，而M(A₂)表示取第二大的值；

若M(A1)-M(A2)>ϵ1M(Θ)<ϵ2M(A1)>M(Θ),]]>則A₁為判定結(jié)果，其中ε₁和ε₂為預(yù)先設(shè)定的門限，ε₁和ε₂分別設(shè)置為0.1與0.5。