[發明專利]行車噪聲環境下快速聲學事件的檢測方法

在審

• 申請號: 201510324584.2
• 申請日: 2015-06-12
• 公開（公告）號: CN104916289A
• 公開（公告）日: 2015-09-16
• 發明（設計）人: 鄭鐵然;韓紀慶;裴孝中
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G10L21/0232
• 分類號: G10L21/0232;G10L25/24;G10L25/21;G10L15/07
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 岳昕

1.行車噪聲環境下快速聲學事件的檢測方法，其特征在于，所述方法包括如下步驟：

步驟一：在訓練階段，將各種目標聲學事件的音頻信號和行車噪聲信號作為訓練數據，對每個聲學事件的音頻信號進行特征截取，并進行相應的標注；

步驟二：根據截取的特征，提取每個目標聲學事件的MFCC系數，所述特征為僅包含聲學事件的音頻片段；

步驟三：根據提取的MFCC系數，采用兩兩比對的多類分類策略，使用SVMLIB工具包為每個目標聲學事件建立一個SVM模型；

步驟四：對行車噪聲信號進行快速傅里葉變換，獲得行車噪聲的低頻子帶與高頻子帶能量，根據獲得的各子帶能量訓練BPNN噪聲模型；

步驟五：在識別階段，對行車噪聲環境下實時采集的待檢測目標聲學事件的音頻信號進行過濾，濾除與目標聲學事件無關的音頻片段；

步驟六：利用步驟四獲得BPNN噪聲模型，對過濾后的音頻信號進行降噪和增強；

步驟七：對步驟六中降噪和增強后的音頻信號提取MFCC系數，根據提取的MFCC系數，采用步驟三獲得的SVM模型進行分類識別，獲得待檢測目標聲學事件的類別；

步驟八：在步驟七確定類別的聲學事件中，對鳴笛事件進行基于時序和方位的綜合分析，獲得相應的笛語序列編碼，根據獲得的笛語序列編碼，對當前的鳴笛序列庫進行檢索，確定對應的笛語信息。

2.根據權利要求1所述的行車噪聲環境下快速聲學事件的檢測方法，其特征在于，步驟五中，對行車噪聲環境下實時采集的待檢測目標聲學事件的音頻信號進行過濾，濾除與目標聲學事件無關的音頻片段的方法：

對行車噪聲環境下實時采集的音頻信號進行基音周期的提取，根據提取到的基音周期，判斷是否是目標聲學事件，若不是，則過濾掉，若是，則保留。

3.根據權利要求1所述的行車噪聲環境下快速聲學事件的檢測方法，其特征在于，

所述步驟六，利用步驟四獲得BPNN噪聲模型，對過濾后的音頻信號進行降噪和增強的方法為：

使用步驟四獲得BPNN噪聲模型對過濾后的音頻信號的高頻噪聲進行預測，使用子帶譜減法對過濾后的音頻信號的高頻部分進行降噪和增強處理。

4.根據權利要求1所述的行車噪聲環境下快速聲學事件的檢測方法，其特征在于，步驟七，對步驟六中降噪和增強后的音頻信號提取MFCC系數的方法為：

使用LPC譜估計的方法提取步驟五過濾后的音頻信號的數據幀的共振峰的頻譜分布及能量大小，使用模擬耳蝸基底膜的頻率選擇增益的函數，對Mel濾波器組進行加權；

通過加權后的Mel濾波器組對步驟六中降噪和增強后的目標聲學事件提取MFCC系數。

5.根據權利要求4所述的行車噪聲環境下快速聲學事件的檢測方法，其特征在于，所述頻率選擇增益的函數為：

Wi=Σj=1kIndicator(Mi,Li,Fj)*Pj*exp[-(Fj-Mi)2(Li2)3.2];]]>

式中：

獲得的頻譜分布中，子帶個數為B，i＝1,2,…,B，k個共振峰，j＝1,2,…,k，M_i表示第i個子帶的頻率中心，L_i表示第i個子帶的寬度；

F_j表示第j個共振峰的所在的頻率，P_j表示第j個共振峰的振幅；

Indicator(M_i,L_i,F_j)為示性函數，如果共振峰F_j在以M_i為中心，以L_i為寬度的Mel子帶中，則返回1，否則返回0。