一种车辆声音信号特征提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111261189A(43)申请公布日2020.06.09(21)申请号202010252702.4(22)申请日2020.04.02(71)申请人中国科学院上海微系统与信息技术研究所地址200050上海市长宁区长宁路865号(72)发明人李成娟李宝清王国辉刘建坡童官军向浩(74)专利代理机构上海智信专利代理有限公司31002代理人邓琪(51)Int.Cl.G10L25/24(2013.01)G10L25/18(2013.01)G10L19/02(2013.01)G10L19/26(2013.01)权利要求书2页说明书5页附图2页(54)发明名称一种车辆声音信号特征提取方法(57)摘要本发明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。CN111261189ACN111261189A权利要求书1/2页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i个滤波器的中心频率；k是滤波器组的自变量，表示频率。6.根据权利要求5所述的车辆声音信号特征提取方法，其特征在于，所述步骤S4中基频自适应梅尔能量谱的计算方法为：将信号的能量谱与所述基频自适应三角滤波器组中的滤波器参数相乘。7.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S5中的倒谱分析包括：首先对所述基频自适应梅尔能量谱取对数，得到对数能量谱；然后对所述对数能量谱进行离散余弦变换。8.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S6包括：步骤S61，计算所述基频自适应梅尔倒谱系数第n维特征分量的F比；步骤S62，以计算出的F比为权重，对基频自适应梅尔倒谱系数的每一维特征分量进行2CN111261189A权利要求书2/2页加权。9.根据权利要求8所述的车辆声音信号特征提取方法，其特征在于，所述基频自适应梅尔倒谱系数第n维特征分量的F比按下式进行计算：式中，M表示车辆类别数，其中第l个类别包含Nl条样本信号；n＝1,2,K,N+1，N+1为基频自适应梅尔倒谱系数的特征维数；为第l类车辆第j条样本的第n维特征分量的所有帧之和；ml(n)为第n维特征分量在第l类车辆中Nl条样本的所有帧之和；m(n)为第n维特征分量在整个数据集中的所有帧之和。10.根据权利要求9所述的车辆声音信号特征提取方法，其特征在于，所述基频自适应梅尔倒谱系数的每一维特征分量进行加权的计算方法为：将F(n)和第n维的基频自适应梅尔倒谱系数相乘；其中，n＝1,2,K,N+1，N+1为基频自适应三角滤波器组的个数，F(n)表示基频自适应梅尔倒谱系