首页|期刊简介|投稿指南|分类索引|刊文选读|订阅指南|资料|样刊邮寄查询|常见问题解答|联系我们
王若平,李仁仁,陈达亮,等. 基于改进小波包去噪与梅尔倒谱系数的低信噪比交通环境声音识别[J]. 科学技术与工程, 2019, 19(36): 290-295.
WANG Ruo-ping,LI Ren-ren,CHEN Da-liang,et al.Low SNR Traffic Environment Acoustic Recognition Based on Improved Wavelet Packet Denoising and Mel Cepstrum Coefficient[J].Science Technology and Engineering,2019,19(36):290-295.
基于改进小波包去噪与梅尔倒谱系数的低信噪比交通环境声音识别
Low SNR Traffic Environment Acoustic Recognition Based on Improved Wavelet Packet Denoising and Mel Cepstrum Coefficient
投稿时间:2019-05-22  修订日期:2019-07-04
DOI:
中文关键词:  交通环境声音事件 小波包去噪 经验模态分解 梅尔频率倒谱系数 支持向量机
英文关键词:traffic environment sound event  wavelet packet denoising  empirical mode decomposition  mel frequency cepstrum coefficient  support vector machine
基金项目:
              
作者单位
王若平 江苏大学汽车与交通工程学院
李仁仁 江苏大学汽车与交通工程学院
陈达亮 中国汽车技术研究中心有限公司
王 东 中国汽车技术研究中心有限公司
房 宇 江苏大学汽车与交通工程学院
摘要点击次数: 127
全文下载次数: 52
中文摘要:
      随着自动驾驶汽车研究的不断深入,对其环境感知系统提出了更高的要求。为了使自动驾驶汽车适应更复杂的交通环境,本文研究了低信噪比声学环境感知技术,提出改进的小波包去噪方法;采用经验模态分解(EMD)的方法改进梅尔频率倒谱系数(MFCC)的提取;采用支持向量机(SVM)识别模型完成低信噪比交通环境声音识别。实验结果表明,本文提取的去噪方法提高声音事件信噪比的同时保持声音特征,且对噪声有自适应性;改进的MFCC提取方法一定程度上提高了特征参数的抗噪性能。通过对低信噪比交通环境声音去噪和特征参数优化后,其平均识别率比优化前提高了33.34%,并改变了识别率骤降的趋势。
英文摘要:
      With the deepening research on autonomous vehicles, higher requirements were placed on their environmental awareness systems. In order to adapt the self-driving car to the more complicated traffic environment, this paper studied the low signal-to-noise ratio (SNR) acoustic environment sensing technology and proposed an improved wavelet packet denoising method. In addition, the empirical mode decomposition (EMD) method was used to improve the Mel frequency cepstral coefficient (MFCC). Support vector machine (SVM) recognition model was used to complete the low SNR traffic environment acoustic recognition. The experimental results showed that the denoising method extracted in this paper improved the SNR of acoustic, maintained acoustic characteristics, and was adaptive to noise. The improved MFCC extraction method improved the anti-noise performance of the characteristic parameters to some extent. After denoising the low SNR traffic environment acoustic and optimizing the characteristic parameters, the average recognition rate is 33.34% higher than that before optimization, and the trend of sudden drop in recognition rate is changed.
查看全文  查看/发表评论  下载PDF阅读器
关闭
你是第30469581位访问者
版权所有:科学技术与工程编辑部
主管:中国科学技术协会    主办:中国技术经济学会
Tel:(010)62118920 E-mail:stae@vip.163.com
京ICP备05035734号-4
技术支持:本系统由北京勤云科技发展有限公司设计

京公网安备 11010802029091号