Page 216 - 《应用声学）》2023年第5期
P. 216
1108 2023 年 9 月
计算，在取值时数值等于参数 N。求取子频带中每
P(f), f l 6 f 6 f h ,
P(f) = (2) 一段加窗后的平均能量，如式(5)所示：
0, 其他,
n
1 ∑
式 (2) 中，P(f) 为每个子频带内每个频率 f 的能量， E k (i) = F i (j) · h (j), (5)
n
f l 为子频带起始频率，f h 子频带截止频率。 i=1
子频带的起始和截止频率计算式如式 (3)、 式 (5) 中，E k (i) 为第 k 段子频带内第 i 段包含频率
式 (4)所示： 的能量进行加窗后的平均能量，F i (j)为第k 个子频
带内第 i 段对应的各频率 j 的能量值，h (j) 为窗函
f L , k = 1,
f l (k) = (3) 数在频率 j 对应的系数，n 为第 k 个频带内加窗的
f H − f L
f l (k − 1) + , 1 < k 6 N, 个数。
N + 1
将第 k 个子频带中分成的 n 个窗的 n 个平均能
f H , k = N, 量构建为一个行向量，共 N 个行向量，将 N 个子频
f h (k)= 2(f H − f L ) (4)
f l (k − 1)+ , 16k<N,
带的第 i 段平均能量值构建为一个列向量，共 n 个
N + 1
列向量。对所有的 n 个列向量进行叠加处理，构建
其中，f l (k)、f h (k) 为第 k 个子频带的起始与截止频
出同种鸣笛声的N × n维特征值矩阵。
率，f L 、f H 为鸣笛声整个频率段的起始与截止频率，
n
N 为子频带总个数。 C = ∑ C(i), (6)
进一步将每个子频带内包络的各频率段分为n i=1
段并对每一段能量值进行加窗处理，保证各频率的 式(6) 中，C 是同种鸣笛声的特征值矩阵，C(i)为子
能量不泄漏且输入到神经网络的特征值矩阵容易 频带中的第i段平均能量值的列向量。
5.0 5.0
4.0 4.0
ᮠဋ/kHz 3.0 ᮠဋ/kHz 3.0
2.0
2.0
1.0 1.0
0 0
100 200 300 400 500 600 700 100 200 300 400 500 600 700
ᫎ/ms ᫎ/ms
(a) Პቻܦ1 (b) Პቻܦ2
5.0 5.0
4.0 4.0
ᮠဋ/kHz 3.0 ᮠဋ/kHz 3.0
2.0
2.0
1.0 1.0
0 0
100 200 300 400 500 600 700 100 200 300 400 500 600 700
ᫎ/ms ᫎ/ms
(c) Პቻܦ3 (d) Პቻܦ4
图 1 鸣笛声时频图
Fig. 1 Time-frequency spectrum of the car whistle
