Page 221 - 《应用声学）》2023年第5期

第 42 卷 第 5 期 侯晓飞等： 基于子频带能量特征提取的汽车鸣笛声识别 1113

表 2 实验结果表明，丰田和吉利两种车型鸣笛 离越远，采集到的非相关噪声便会越多，从而导致识
声的所有样本中提取出的特征点较少，因此在识别 别正确率减小。
时正确率也较小，平均正确识别率只有 83.334% 和 为了降低遗漏检测的可能，将在距离10 m处采
82.608%；而大众和比亚迪两种车型鸣笛声样本提 集的鸣笛声信号与采集的非鸣笛声信号按照一定
取叠加出的特征点较多，因此识别率也随之增加，识 的，设置信噪比分别为 0 dB、6 dB、15 dB、20 dB。
别分类正确率最大达到了92.308%和93.75%。与文 在环境噪声中验证噪声对分类识别正确率的影响。
献[4]相比较，本文所提出的子频带能量特征提取方 噪声对识别正确率的影响关系如图 9所示。
法应用在鸣笛声分类上，使分类正确率有了一定的
提升，8 种车型的最大识别正确率达到了 90% 以上。
90
与文献 [5] 中利用小波变换提取特征将小轿车与大
客车与货车进行区分相比较，本文提出的方法进一 85
步完成了 8 种小轿车鸣笛声之间的分类，且平均识 ሉྲᲞቻܦ
别正确率达到了89.718%。结果表明，本文所提出的 គѿ൤ᆸဋ/% 80 ˘ၿᲞቻܦ
ѿБᲞቻܦ
此种子频带能量特征提取方法是有效的。 ܸ͕Პቻܦ
උ̎ᤔᲞቻܦ
75 ՍѾᲞቻܦ
通过移动传声器改变 x 坐标和 y 坐标到声源的 ৥᣺Პቻܦ
వၿᲞቻܦ
距离，从而使声源到传声器的距离分别达到为 5 m、 70
8 m、10 m、20 m，然后验证测试距离对识别分类正 0 5 10 15 20
确率的影响。测试过程中，环境噪声在55 dB左右。 η٪උ/dB

声源到传声器距离与识别分类正确率的关系 图 9 识别正确率与噪声关系
如图8所示。 Fig. 9 Relationship of the accuracy with the noise

图 9 实验结果表明，噪声对识别正确率有一定
90
的影响。当信噪比较小时，识别正确率明显降低，
在信噪比为 0 dB 时平均识别正确率为 71.26%；随
85
着信噪比的增大，识别正确率也随之增大，且趋
គѿ൤ᆸဋ/% ሉྲᲞቻܦ 于稳定，信噪比为 20 dB 时识别正确率最大可达到
80
˘ၿᲞቻܦ
93.31%。后续可通过对采集的声音进行滤波降噪和
75
ѿБᲞቻܦ
ܸ͕Პቻܦ 声音增强处理来提高鸣笛声的识别正确率。
උ̎ᤔᲞቻܦ
70 ՍѾᲞቻܦ
৥᣺Პቻܦ
వၿᲞቻܦ 3 结论
65
4 6 8 10 12 14 16 18 20 22
为了在鸣笛声治理过程中提高鸣笛声的识别
฾តᡰሏ/m
正确率，对违法鸣笛车辆进行辅助监管，提出了一种
图 8 识别正确率与测试距离关系
子频带能量特征提取法。本方法对鸣笛声信号时频
Fig. 8 Relationship of the accuracy with test dis-
谱图进行特征提取，利用可变学习速率的 BP 神经
tance
网络对特征值矩阵进行学习训练。对此方法进行了
图 8 实验结果表明，测试距离对识别正确率有 实验验证，实验结果表明子频带能量特征提取法可
一定的影响。10 m 内的识别正确率相差较小，基本 应用于鸣笛声的识别与分类。鸣笛声与非鸣笛声之
保持在80%~90%之间；而10 m和20 m 处识别正确 间的识别率达到了 94.889%，并且不同鸣笛声的分
率相差较大，最高只能达到 80%。识别分类正确率 类正确率最大达到了93.75%。在不同距离和不同噪
降低的原因如下：(1) 随着距离的增加，鸣笛声声能 声环境下对此方法进行了初步验证，验证了子频带
产生了明显的衰减，从而降低了识别正确率。(2) 在 能量特征提取法的有效性。本方法为鸣笛声的识别
接收过程中会不可避免地采集到环境其他声音，距 分类提供了一种新思路。但本文所述方法尚有不足