基于子頻帶能量特征提取的汽車鳴笛聲識別*

侯曉飛 穆瑞林周晉 賈自杰

(1 天津科技大學(xué)機械工程學(xué)院 天津 300222)

(2 天津市輕工與食品工程機械裝備集成設(shè)計與在線監(jiān)控重點實驗室 天津 300222)

(3 天津市房地產(chǎn)市場服務(wù)中心 天津 300222)

0 引言

近年來，城市中違法亂鳴笛行為隨著汽車數(shù)量的增加而逐漸增多。鳴笛聲制造交通噪聲的同時，給人們的生產(chǎn)和生活也帶來了巨大的影響，尤其是在學(xué)校、醫(yī)院、居民區(qū)等這些需要安靜的區(qū)域。因此，對亂鳴笛行為的治理非常有必要。車輛的識別與分類在創(chuàng)建城市智能交通系統(tǒng)中至關(guān)重要，在傳統(tǒng)的鳴笛聲識別分類中往往采用的是人工監(jiān)測的方法，此種方法誤檢率較高，且依賴人工復(fù)核。目前車輛識別與分類研究主要集中于視覺方法，對車輛完整的聲學(xué)識別與分類研究較少。

隨著聲學(xué)研究的深入，為了提高鳴笛聲的檢測效率，在鳴笛聲分類識別方面，能量閾值法、互譜矩陣法以及特征提取法等逐漸被應(yīng)用在鳴笛聲識別當(dāng)中，例如劉建平等[1]根據(jù)信號短時能量與過零率乘積的雙門限檢測算法對鳴笛聲與非鳴笛聲進行了識別；孫懋珩等[2]提出了一種基于傳聲器陣列和閉式球形插值法的汽車鳴笛聲識別系統(tǒng)，但是此種方法只能單方面地確定目標(biāo)車輛的位置，且會存在較多誤判。神經(jīng)網(wǎng)絡(luò)近些年受到了研究者越來越多的重視，侍艷華等[3]設(shè)計了梅爾頻率倒譜系數(shù)(Mel-frequency cepstrum coefficient,MFCC)和卷積神經(jīng)網(wǎng)絡(luò)識別鳴笛聲的方法；班琦等[4]在建立鳴笛聲樣本的基礎(chǔ)上利用改進的BP 神經(jīng)網(wǎng)絡(luò)算法識別了鳴笛聲；白琳等[5]將小波變換[6]與BP 神經(jīng)網(wǎng)絡(luò)相結(jié)合實現(xiàn)了車輛聲信號的分類。

在鳴笛聲識別分類中，利用神經(jīng)網(wǎng)絡(luò)識別時效率與準(zhǔn)確率會受到不同特征提取的影響，例如鄭皓[7]將頻譜特征作為卷積深度置信網(wǎng)絡(luò)(Convolutional deep belief networks,CDBN)的輸入進行訓(xùn)練后得到鳴笛聲的CDBN特征，與MFCC特征進行對比分析后發(fā)現(xiàn)利用CDBN 特征進行識別的準(zhǔn)確率更高?？芍Q笛聲識別中提取何種特征進行識別仍是一項關(guān)鍵。

在違法鳴笛聲監(jiān)管過程中通常利用傳聲器陣列進行鳴笛聲定位[8]，但隨著距離的增加，可能會產(chǎn)生定位誤差，而兩輛車如果并排行駛且橫向距離較近時，由于定位誤差的存在，可能會存在車輛之間的誤判。為了更準(zhǔn)確地識別違法鳴笛聲，提高交通執(zhí)法效率，本文提出了一種基于子頻帶能量特征提取的汽車鳴笛聲識別與分類的方法。本方法對鳴笛聲的時頻譜特征進行分析與提取，結(jié)合可變學(xué)習(xí)速率的BP 神經(jīng)網(wǎng)絡(luò)進行鳴笛聲識別，可對不同車型的鳴笛聲進行有效區(qū)分，獲取違法鳴笛車輛的完整聲學(xué)信息，以作為違法鳴笛的輔助判斷和處罰依據(jù)。利用車輛的鳴笛聲特征對鳴笛車輛車型進行識別分類，其目的是在違法鳴笛聲治理過程中進行輔助監(jiān)管與判斷，當(dāng)有異議時，可通過復(fù)核對比鳴笛聲定位與鳴笛聲車型特征兩種依據(jù)進行更加科學(xué)準(zhǔn)確的判斷，從而減少鳴笛噪聲，對道路交通噪聲污染治理具有積極意義。

1 鳴笛聲特征提取與分類方法

1.1 鳴笛聲特征提取

城市道路中比較常見的鳴笛聲是由電喇叭發(fā)出的[9]，因此在研究時以小汽車上裝載的電喇叭發(fā)出的鳴笛聲為主，主要頻率集中在400～5000 Hz之間。

進一步將鳴笛聲信號做短時傅里葉變換得到鳴笛聲的時頻圖，如圖1所示。

圖1 鳴笛聲時頻圖Fig.1 Time-frequency spectrum of the car whistle

進行鳴笛聲識別分類之前，需要對采集到的聲音樣本進行有效聲音段截取以保留鳴笛聲信號的主要頻率。采用短時能量法[10]確定鳴笛聲信號有效聲音段，短時能量法計算式如(1)所示：

式(1)中，x(i)為傳聲器采集測量信號，EK為第K幀的短時能量。

為了進一步對鳴笛聲進行分析，并將不同的鳴笛聲分類，采用子頻帶能量法提取特征的方法進行鳴笛聲識別。通過劃分聲信號頻譜子頻帶，對子頻帶內(nèi)的頻率信息進行分析，找出鳴笛聲信號在各個子頻帶與其他聲音不同的特征，即可利用此種特征進行鳴笛聲識別。

首先將鳴笛聲的全頻帶進行劃分，劃分為N個子頻帶。在對鳴笛聲頻帶進行劃分時，為了減小計算量，并將鳴笛聲信號的子頻帶能量特征完整提取，可將信號劃分為32 個子頻帶。為了保證各頻率能量不被泄漏，相鄰兩個子頻帶之間的重合度為50%。每一段子頻帶上能量初始值等于時頻圖能量值，如式(2)所示：

式(2)中，P(f)為每個子頻帶內(nèi)每個頻率f的能量，fl為子頻帶起始頻率，fh子頻帶截止頻率。

子頻帶的起始和截止頻率計算式如式(3)、式(4)所示：

其中，fl(k)、fh(k)為第k個子頻帶的起始與截止頻率，fL、fH為鳴笛聲整個頻率段的起始與截止頻率，N為子頻帶總個數(shù)。

進一步將每個子頻帶內(nèi)包絡(luò)的各頻率段分為n段并對每一段能量值進行加窗處理，保證各頻率的能量不泄漏且輸入到神經(jīng)網(wǎng)絡(luò)的特征值矩陣容易計算，在取值時數(shù)值等于參數(shù)N。求取子頻帶中每一段加窗后的平均能量，如式(5)所示：

式(5)中，Ek(i)為第k段子頻帶內(nèi)第i段包含頻率的能量進行加窗后的平均能量，F(xiàn)i(j)為第k個子頻帶內(nèi)第i段對應(yīng)的各頻率j的能量值，h(j)為窗函數(shù)在頻率j對應(yīng)的系數(shù)，n為第k個頻帶內(nèi)加窗的個數(shù)。

將第k個子頻帶中分成的n個窗的n個平均能量構(gòu)建為一個行向量，共N個行向量，將N個子頻帶的第i段平均能量值構(gòu)建為一個列向量，共n個列向量。對所有的n個列向量進行疊加處理，構(gòu)建出同種鳴笛聲的N ×n維特征值矩陣。

式(6)中，C是同種鳴笛聲的特征值矩陣，C(i)為子頻帶中的第i段平均能量值的列向量。

利用式(6)對圖1 中鳴笛聲信號時頻圖進行子頻帶能量特征處理，提取特征值矩陣并進行歸一化處理，特征值矩陣包絡(luò)形成的區(qū)域曲線如圖2所示。

圖2 鳴笛聲子頻帶能量特征包絡(luò)曲線Fig.2 Envelope curve of whistle sub-band energy characteristic

由圖2 中可以看出，按照上述方法進行特征點提取后，不同種鳴笛聲之間的子頻帶能量特征分布具有較大的差異，具體表現(xiàn)為鳴笛聲子頻帶平均能量歸一化后峰值個數(shù)、子頻帶出現(xiàn)的頻率位置以及包絡(luò)形成區(qū)域均不相同。因此可利用提取子頻帶能量特征的方法可以進行鳴笛聲的識別以及不同類型鳴笛聲的分類。

1.2 鳴笛聲識別與分類

BP 神經(jīng)網(wǎng)絡(luò)應(yīng)用廣泛，具有自適應(yīng)強的能力[11]，本文構(gòu)建3 層BP 神經(jīng)網(wǎng)絡(luò)來對鳴笛聲進行識別分類。輸入層提取子頻帶能量特征歸一化后的特征值矩陣作為神經(jīng)網(wǎng)絡(luò)的輸入層參數(shù)；中間隱含層對輸入的特征值矩陣進行學(xué)習(xí)與訓(xùn)練，學(xué)習(xí)過程是通過中間層對輸入特征樣本的不斷逼近來調(diào)整神經(jīng)網(wǎng)絡(luò)權(quán)值和偏置值的過程，如式(7)所示：

式(7)中，wij為神經(jīng)元j到神經(jīng)元i的連接權(quán)值，di為神經(jīng)元的期望輸出，yi為神經(jīng)元的實際輸出，α為學(xué)習(xí)速率。

為了提高算法的收斂速度，在學(xué)習(xí)過程中將學(xué)習(xí)速率按式(8)進行調(diào)整，以減小神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程中的迭代次數(shù)。

式(8)中，αk為第k次學(xué)習(xí)速率，α0為初始學(xué)習(xí)速率，αL為最小學(xué)習(xí)速率，N為迭代總次數(shù)。

為了加快迭代速度，減小迭代次數(shù)，神經(jīng)元激活函數(shù)選擇為tansig函數(shù)，如式(9)所示：

輸出層在被激活之后，將中間層的實際輸出與期望輸出進行比較，在誤差達到最小時將結(jié)果輸出。利用BP 神經(jīng)網(wǎng)絡(luò)對鳴笛聲識別分類時，將采集到的鳴笛聲利用子頻帶能量法提取特征值矩陣后輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中進行判別，判斷為何種鳴笛聲并輸出。鳴笛聲分類的過程如圖3所示。

圖3 鳴笛聲分類過程Fig.3 Classification process of car whistle

2 實驗與分析

為了驗證子頻帶能量特征提取法的準(zhǔn)確性，在實驗時首先進行鳴笛聲與非鳴笛聲的識別。其次在鳴笛聲分類實驗時，以福特、豐田、別克、大眾、吉利、比亞迪、東風(fēng)悅達、本田共8種車型為研究對象進行分類實驗。

2.1 鳴笛聲與非鳴笛聲識別實驗

首先將鳴笛聲與非鳴笛聲進行區(qū)分，利用STM32 開發(fā)的控制系統(tǒng)控制微型傳聲器采集鳴笛聲信號和非鳴笛聲信號。在采集時，非鳴笛聲信號采集了3 種常見聲音，分別是小汽車行駛經(jīng)過時的道路噪聲、鳥鳴聲和犬吠聲。圖4 為鳴笛聲與道路噪聲、犬吠聲和鳥鳴聲的時頻圖的對比。

圖4 鳴笛聲與非鳴笛聲對比Fig.4 Compaction the whistle with the other sounds

從圖4中可以看出：鳴笛聲倍頻程明顯，聲能分布較為集中，呈現(xiàn)出典型的脈沖信號特征；而其他非鳴笛聲頻率分布比較集中，聲能分布相對分散。

選擇鳴笛聲樣本數(shù)量20 個，道路噪聲、鳥鳴聲和犬吠聲樣本各10 個，利用子頻帶能量特征提取后進行鳴笛聲的識別。圖5 為鳴笛聲與非鳴笛聲的識別結(jié)果。識別率為采集的鳴笛聲信號特征矩陣與訓(xùn)練好的純凈的鳴笛聲信號特征矩陣的商值，如式(10)所示：

圖5 鳴笛聲識別率Fig.5 Recognition rate of car whistles

式(10)中，R為識別率；Sc為提取的實際采集的鳴笛聲信號的子頻帶能量特征值矩陣；Pc為神經(jīng)網(wǎng)絡(luò)訓(xùn)練好的純凈鳴笛聲的特征值矩陣。

圖5 實驗結(jié)果表明，利用子頻帶能量特征提取的方法可將鳴笛聲與非鳴笛聲進行識別，識別率可高達94.889%。與文獻[1]中利用雙門限檢測與頻譜間隔進行笛聲識別的方法相比，本文實現(xiàn)了鳴笛聲與非鳴笛聲之間的準(zhǔn)確識別。與文獻[3]中利用MFCC 特征提取方法相比，本文所提出的特征提取方法，完成了鳴笛聲與非鳴笛聲之間的識別，并對不同鳴笛聲進行分類，使平均識別分類正確率達到了89.718%以上。

2.2 神經(jīng)網(wǎng)絡(luò)驗證實驗

本文構(gòu)建3 層BP 神經(jīng)網(wǎng)絡(luò)進行鳴笛聲的識別分類，學(xué)習(xí)訓(xùn)練之前需配置每一層的參數(shù)。通過子頻帶能量特征提取獲得的鳴笛聲聲頻的32 維特征向量參數(shù)，作為輸入層的輸入?yún)?shù)。隱含層的神經(jīng)元個數(shù)為12 個，神經(jīng)元激活函數(shù)為tansig 函數(shù)。本文對8 種車型鳴笛聲進行了實驗研究，因此輸出層的神經(jīng)元個數(shù)為8 個，對應(yīng)輸出的類別有8 種可能性，即輸出設(shè)置8 種對應(yīng)的標(biāo)簽。本文以上述8種車型各20 條樣本分為訓(xùn)練組15 條和測試組5 條對設(shè)計的神經(jīng)網(wǎng)絡(luò)進行準(zhǔn)確性實驗驗證。

首先訓(xùn)練組樣本提取子頻帶能量特征點后輸入到BP 神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)訓(xùn)練，并將學(xué)習(xí)好的神經(jīng)網(wǎng)絡(luò)保存。然后將測試組樣本進行測試，驗證神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性，驗證結(jié)果如圖6 所示。識別率是每種車型測試組樣本提取的特征值與神經(jīng)網(wǎng)絡(luò)訓(xùn)練好的學(xué)習(xí)組樣本對應(yīng)的特征值的比。

圖6 鳴笛聲測試識別結(jié)果Fig.6 Result of whistle test and identification

實驗結(jié)果表明，利用子頻帶能量特征提取方法可以實現(xiàn)對不同種鳴笛聲的識別與分類，平均識別率可達93.626%。

在學(xué)習(xí)訓(xùn)練過程中利用改進可變學(xué)習(xí)速率的BP 神經(jīng)網(wǎng)絡(luò)同固定學(xué)習(xí)速率的神經(jīng)網(wǎng)絡(luò)進行迭代次數(shù)的比較，迭代次數(shù)如表1所示。

表1 迭代次數(shù)比較Table 1 Comparison of iterations

可以看出利用改進的可變學(xué)習(xí)速率的神經(jīng)網(wǎng)絡(luò)進行鳴笛聲分類識別時，神經(jīng)網(wǎng)絡(luò)的迭代次數(shù)明顯減少，提高了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效率。

2.3 鳴笛聲識別實驗

判斷為汽車鳴笛聲之后，將不同類型的鳴笛聲進行區(qū)分，以達到對鳴笛車輛進行輔助判斷的目的。圖7 為鳴笛聲分類的實驗場景。在不同的位置通過STM32 控制器開發(fā)的系統(tǒng)控制微型傳聲器采集鳴笛聲信號，并通過功率放大器將信號放大，采樣頻率為10 kHz。

圖7 鳴笛聲分類實驗場景Fig.7 Classification experimental scene

進一步將上述8 種車型的其他鳴笛聲信號共160 條樣本進行識別分類鳴笛聲的實驗。在本節(jié)中定義識別正確率為樣本的準(zhǔn)確識別個數(shù)與識別總個數(shù)的比值。實驗結(jié)果如表2所示。

表2 鳴笛聲識別分類結(jié)果Table 2 Result of classification of car whistles

表2 實驗結(jié)果表明，豐田和吉利兩種車型鳴笛聲的所有樣本中提取出的特征點較少，因此在識別時正確率也較小，平均正確識別率只有83.334%和82.608%；而大眾和比亞迪兩種車型鳴笛聲樣本提取疊加出的特征點較多，因此識別率也隨之增加，識別分類正確率最大達到了92.308%和93.75%。與文獻[4]相比較，本文所提出的子頻帶能量特征提取方法應(yīng)用在鳴笛聲分類上，使分類正確率有了一定的提升，8 種車型的最大識別正確率達到了90%以上。與文獻[5]中利用小波變換提取特征將小轎車與大客車與貨車進行區(qū)分相比較，本文提出的方法進一步完成了8 種小轎車鳴笛聲之間的分類，且平均識別正確率達到了89.718%。結(jié)果表明，本文所提出的此種子頻帶能量特征提取方法是有效的。

通過移動傳聲器改變x坐標(biāo)和y坐標(biāo)到聲源的距離，從而使聲源到傳聲器的距離分別達到為5 m、8 m、10 m、20 m，然后驗證測試距離對識別分類正確率的影響。測試過程中，環(huán)境噪聲在55 dB左右。

聲源到傳聲器距離與識別分類正確率的關(guān)系如圖8所示。

圖8 識別正確率與測試距離關(guān)系Fig.8 Relationship of the accuracy with test distance

圖8 實驗結(jié)果表明，測試距離對識別正確率有一定的影響。10 m 內(nèi)的識別正確率相差較小，基本保持在80%～90%之間；而10 m和20 m 處識別正確率相差較大，最高只能達到80%。識別分類正確率降低的原因如下：(1) 隨著距離的增加，鳴笛聲聲能產(chǎn)生了明顯的衰減，從而降低了識別正確率。(2) 在接收過程中會不可避免地采集到環(huán)境其他聲音，距離越遠，采集到的非相關(guān)噪聲便會越多，從而導(dǎo)致識別正確率減小。

為了降低遺漏檢測的可能，將在距離10 m處采集的鳴笛聲信號與采集的非鳴笛聲信號按照一定的，設(shè)置信噪比分別為0 dB、6 dB、15 dB、20 dB。在環(huán)境噪聲中驗證噪聲對分類識別正確率的影響。噪聲對識別正確率的影響關(guān)系如圖9所示。

圖9 識別正確率與噪聲關(guān)系Fig.9 Relationship of the accuracy with the noise

圖9 實驗結(jié)果表明，噪聲對識別正確率有一定的影響。當(dāng)信噪比較小時，識別正確率明顯降低，在信噪比為0 dB 時平均識別正確率為71.26%；隨著信噪比的增大，識別正確率也隨之增大，且趨于穩(wěn)定，信噪比為20 dB 時識別正確率最大可達到93.31%。后續(xù)可通過對采集的聲音進行濾波降噪和聲音增強處理來提高鳴笛聲的識別正確率。

3 結(jié)論

為了在鳴笛聲治理過程中提高鳴笛聲的識別正確率，對違法鳴笛車輛進行輔助監(jiān)管，提出了一種子頻帶能量特征提取法。本方法對鳴笛聲信號時頻譜圖進行特征提取，利用可變學(xué)習(xí)速率的BP 神經(jīng)網(wǎng)絡(luò)對特征值矩陣進行學(xué)習(xí)訓(xùn)練。對此方法進行了實驗驗證，實驗結(jié)果表明子頻帶能量特征提取法可應(yīng)用于鳴笛聲的識別與分類。鳴笛聲與非鳴笛聲之間的識別率達到了94.889%，并且不同鳴笛聲的分類正確率最大達到了93.75%。在不同距離和不同噪聲環(huán)境下對此方法進行了初步驗證，驗證了子頻帶能量特征提取法的有效性。本方法為鳴笛聲的識別分類提供了一種新思路。但本文所述方法尚有不足之處，且對同種喇叭發(fā)出的鳴笛聲識別分類仍需做大量實驗進行驗證，后續(xù)可進一步采集更多車型的鳴笛聲以及同種品牌車型的鳴笛聲構(gòu)建鳴笛聲樣本庫，并在更復(fù)雜的環(huán)境中驗證其準(zhǔn)確性與穩(wěn)定性，為提升識別正確率做進一步研究分析。