?

用于車輛識(shí)別的聲信息融合技術(shù)

很多聲學(xué)特征可對(duì)車輛進(jìn)行正確的診斷，為此提出一種利用聲信息融合技術(shù)進(jìn)行車輛診斷的方法。此聲信息融合技術(shù)融合了聲信號(hào)特征信息，可以提高車輛識(shí)別的準(zhǔn)確性。

以信號(hào)頻率作為聲信號(hào)特征。行駛車輛的聲信息是非穩(wěn)定的。對(duì)于聲信息頻率，長(zhǎng)時(shí)間時(shí)序信號(hào)注冊(cè)至關(guān)重要。試驗(yàn)中，聲信號(hào)采樣頻率為16kHz。對(duì)2048份同框架聲信號(hào)樣本進(jìn)行分析處理：首先把某一信號(hào)分成一組不同框架子信號(hào)，計(jì)算每個(gè)子信號(hào)零點(diǎn)平均值和傅里葉變換值；然后對(duì)信號(hào)進(jìn)行標(biāo)準(zhǔn)化處理，消除不同車輛距離造成信號(hào)幅值的差異；最后對(duì)每個(gè)標(biāo)準(zhǔn)化處理后的子信號(hào)進(jìn)行平均處理，得到目標(biāo)車輛聲信號(hào)的頻率特征。

以多維相關(guān)關(guān)系作為聲信號(hào)特征。重點(diǎn)是對(duì)多維聲信號(hào)進(jìn)行參數(shù)化處理。相對(duì)頻率特征，多維相關(guān)關(guān)系聲信號(hào)特征有更好的優(yōu)點(diǎn)。因?yàn)檫@種特征是從同一等級(jí)車輛相關(guān)參數(shù)微小差異得到的，能夠得到更為準(zhǔn)確的舒爾率（舒爾率可提供更多聲信號(hào)信息），從而提高車輛識(shí)別效果。

利用車輛不同類型音頻信號(hào)數(shù)據(jù)庫(kù)驗(yàn)證所提出方法的有效性。試驗(yàn)中，使用SVM和KNN識(shí)別器對(duì)給定的一組車輛進(jìn)行識(shí)別驗(yàn)證。利用一組相互關(guān)聯(lián)信息進(jìn)行決策判定。根據(jù)目標(biāo)車輛各自聲信號(hào)特征的識(shí)別信息，對(duì)車輛進(jìn)行識(shí)別排序。

試驗(yàn)結(jié)果表明，所提出的僅考慮一種（而不是多種信號(hào)特征）信號(hào)特征的聲信息融合技術(shù)能夠明顯提高車輛識(shí)別有效性。

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

編譯：謝秀磊