用于车辆识别的声信息融合技术



用于车辆识别的声信息融合技术

很多声学特征可对车辆进行正确的诊断，为此提出一种利用声信息融合技术进行车辆诊断的方法。此声信息融合技术融合了声信号特征信息，可以提高车辆识别的准确性。

以信号频率作为声信号特征。行驶车辆的声信息是非稳定的。对于声信息频率，长时间时序信号注册至关重要。试验中，声信号采样频率为16kHz。对2048份同框架声信号样本进行分析处理：首先把某一信号分成一组不同框架子信号，计算每个子信号零点平均值和傅里叶变换值；然后对信号进行标准化处理，消除不同车辆距离造成信号幅值的差异；最后对每个标准化处理后的子信号进行平均处理，得到目标车辆声信号的频率特征。

以多维相关关系作为声信号特征。重点是对多维声信号进行参数化处理。相对频率特征，多维相关关系声信号特征有更好的优点。因为这种特征是从同一等级车辆相关参数微小差异得到的，能够得到更为准确的舒尔率（舒尔率可提供更多声信号信息），从而提高车辆识别效果。

利用车辆不同类型音频信号数据库验证所提出方法的有效性。试验中，使用SVM和KNN识别器对给定的一组车辆进行识别验证。利用一组相互关联信息进行决策判定。根据目标车辆各自声信号特征的识别信息，对车辆进行识别排序。

试验结果表明，所提出的仅考虑一种（而不是多种信号特征）信号特征的声信息融合技术能够明显提高车辆识别有效性。

Biernacki, Pawel et al. 2014 IEEE International Conference on Methods and Models in Automation and Robotics (MMAR), Miedzyzdroje-Sept.2-5,2014.

编译：谢秀磊