基于卷积神经网络的交通声音事件识别方法

• 作者: 张文涛 韩莹莹 黎恒
• 来源期刊: 现代电子技术
• 关键词: Gammatone滤波器 卷积神经网络 音频事件识别 公路交通环境 声音数字信号 子带滤波
• 年，卷（期）: 2018,（14）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 70-73,78
• 页数: 5页
• 分类号: TN912.3-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2018.14.018

摘要

针对公路交通声音事件识别中传统语音算法识别效率低、鲁棒性差的问题,提出一种基于卷积神经网络的交通声音事件识别方法.首先通过Gammatone滤波器对声音数字信号进行子带滤波,得到音频信号耳蜗谱图,然后将其代入卷积神经网络模型对声音事件类型进行识别.利用上述方法对公路交通环境下的四种音频事件做了检测处理,并与经典的隐马尔科夫模型和目前广泛使用的深层神经网络进行比较.实验结果表明,使用卷积神经网络模型能够更加准确地对交通声音事件进行识别,且在噪声环境下具有更好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张文涛	桂林电子科技大学电子工程与自动化学院	105	506	10.0	18.0
5	韩莹莹	桂林电子科技大学电子工程与自动化学院	2	6	1.0	2.0
14	黎恒		3	7	1.0	2.0