申请/专利权人：南京师范大学

申请日：2021-05-08

公开（公告）日：2024-05-07

公开（公告）号：CN113205830B

主分类号：G10L25/51

分类号：G10L25/51;G10L25/18;G10L25/24;G10L25/45

优先权：

专利状态码：有效-授权

法律状态：2024.05.07#授权;2021.08.20#实质审查的生效;2021.08.03#公开

摘要：本发明涉及一种基于子带谱熵法和PSO‑GA‑SVM的汽车鸣笛识别方法，所述方法包括以下步骤：步骤1：对采集的声音样本进行预处理：步骤2:子带谱熵法处理；步骤3：PSO‑GA‑SVM算法处理，进行分类。该算法具有较好的鲁棒性。在对实际采集样本的鸣笛识别中，该算法也取得了较高的准确率。

主权项：1.一种基于子带谱熵法和PSO-GA-SVM的汽车鸣笛识别方法，其特征在于，所述方法包括以下步骤：步骤1：对采集的声音样本进行预处理，步骤2:子带谱熵法处理，步骤3：PSO-GA-SVM算法处理，进行分类，其中，步骤1：对采集的声音样本进行预处理，具体如下：带通滤波、预加重、分帧、加窗,预加重是一个一阶高通滤波器，用一阶FIR滤波器表示为：s′n＝sn-asn-11式1中，a为一常数，sn为原始信号，s’n为预加重后的信号，预加重可以对信号进行高频提升，使频谱变得更平坦，减少频谱的动态范围；分帧将一段较长声音信号分成多个小段，使每小段声音信号可以作为平稳信号来处理，帧长选为50ms，帧移长度选为帧长的13,加窗避免因信号两端出现不连续的情况而导致的频谱泄漏,本发明选用汉明窗作为窗函数，共有N个采样点，第n个采样点的窗函数公式如下： 其中，步骤2:子带谱熵法处理，具体如下：针对预处理后数据，计算子带谱线能量和子带谱熵，进行双门限分割；设每个子带由4条谱线组成，共有Nb个子带，第i帧中的第n个子带的谱线能量为： 式3中，Yik为傅里叶变换后的谱线能量，子带谱线能量的概率分布式为： 引入一个正常量K到式4中，得到新的子带谱线能量的概率分布式： 可推导证明，在噪声环境下，引入正常量K后，分割的准确度能得到提高，其中，K取0.1，子带谱熵的公式为： 使用子带谱熵法可以将子带谱熵高于阈值的样本直接判为非鸣笛样本；然而在实际交通环境中也存在一些非鸣笛声，由于具有一定的谐波特征，产生了分割结果，会被子带谱熵法误判为鸣笛声；因此，我们需要对子带谱熵法的分割结果进行进一步的分类，来消除此类误判；其中，步骤3：PSO-GA-SVM算法处理，进行分类，具体如下：步骤31:对训练集进行k折交叉验证，步骤32:初始化N个粒子，计算初始适应度，步骤33：更新每一个粒子的速度和位置；步骤34：按照适应度选出N-1个粒子，对它们进行交叉、变异操作，再与上一代的最优粒子组合成新的N个粒子，计算每一个粒子的适应度，更新个体极值pbest和全局极值gbest,步骤35:转步骤33，直到满足一定迭代次数为止；步骤36：输出最优惩罚因子c和核函数参数g；步骤37:将最优惩罚因子c和核函数参数g代入SVM的c和g参数中，对测试集进行分类。

全文数据：

权利要求：

百度查询： 南京师范大学 一种基于子带谱熵法和PSO-GA-SVM的汽车鸣笛识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD