一种用于城市交通的优化声音识别仿真

• 作者: 屈睿涛 赵庶旭 郑皓
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 神经网络 深度信念网络 特征提取 梅尔频率倒谱系数 汽车鸣笛声识别
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 60-64
• 页数: 5页
• 分类号: TP391.9
• 字数: 4902字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.02.012

摘要

随着机动车违法鸣笛现象日益严重, 汽车鸣笛声识别可以识别违法鸣笛车辆, 并对该行为给出科学有力的证据, 因此对城市交通治理有着重要意义.传统方法主要包含基于GMM-HMM的概率模型算法、支持向量机等.但其准确率较低, 且过程麻烦, 给交管部门进行人工复核造成了很大困难.针对此问题, 以城市交通汽车鸣笛声识别为背景, 结合深度信念网络 (DBNs) 强大的非线性建模和特征提取能力, 提出了一种优化的声音识别方法.该方法采用汽车鸣笛声信号的梅尔频率倒谱系数 (MFCC) 以及其一二阶差分作为特征参数, 用于DBN网络的输入, 对样本数据进行建模并提取更深层的特征, 最后加入softmax分类器来实现汽车鸣笛声信号的匹配和识别.该方法获得比GMM-HMM更好的识别效果.并通过仿真实验证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵庶旭	兰州交通大学电子与信息工程学院	39	124	6.0	8.0
2	屈睿涛	兰州交通大学电子与信息工程学院	7	19	2.0	4.0
3	郑皓	兰州交通大学电子与信息工程学院	1	1	1.0	1.0