基于小波包FBank图谱与CNN的车内异响识别研究

• 作者: 房宇 曾发林 李仁仁 王东 王若平 陈达亮
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 异响识别 特征参数提取 小波包变换 卷积神经网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 车辆工程
• 页码范围: 1-9
• 页数: 9页
• 分类号: TP206
• 字数: 6013字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2020.07.001

摘要

车内异响识别是优化改进异响声源的重要前提,针对目前异响声源诊断效率低的问题,提出一种基于卷积神经网络(convolutional neural network,CNN)的车内异响识别方法.选择4种车内零部件异响声音为研究对象,提取异响信号的梅尔频率倒谱系数和FBank(filter bank)图谱特征,并采用小波包变换对其进行改进,然后使用CNN对训练数据提取更深层次的特征并进行分类识别,同时对比不同特征参数输入对识别率的影响.实验结果表明:所提出的基于小波包FBank图谱与CNN的车内异响识别方法准确率可达90.2％,基于小波包变换改进的FBank图谱相比于梅尔倒谱系数更加适合作为CNN的输入.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王若平	江苏大学汽车与交通工程学院	55	388	11.0	16.0
2	曾发林	江苏大学汽车与交通工程学院	64	380	12.0	17.0
3	陈达亮		16	49	4.0	6.0
4	王东		9	5	1.0	2.0
5	房宇	江苏大学汽车与交通工程学院	2	0	0.0	0.0
6	李仁仁	江苏大学汽车与交通工程学院	2	0	0.0	0.0