【導(dǎo)讀】尤其是仿生學(xué)理論、信號(hào)學(xué)處理理論、人工智能技術(shù)的發(fā)展理論及厚膜。號(hào)的特征提取以及分類(lèi)識(shí)別等重要的疑問(wèn)之處，還是顯現(xiàn)了研究層面的不足。以上問(wèn)題，針對(duì)聲目標(biāo)信號(hào)識(shí)別過(guò)程中的關(guān)鍵技術(shù)和算法實(shí)現(xiàn)進(jìn)行了相關(guān)研究。分析、線(xiàn)性預(yù)測(cè)特征提取以及分類(lèi)識(shí)別。托車(chē)以及公交車(chē)四類(lèi)目標(biāo)聲信號(hào)線(xiàn)性預(yù)測(cè)算法和能量法的有效分類(lèi)與識(shí)別。

　　

【正文】 () 其中 p 是預(yù)測(cè)階數(shù)，一般取 10； G 是一個(gè)非負(fù)實(shí)數(shù)，用于控制系統(tǒng)輸出序列 )(ns 的幅度大小。這樣，語(yǔ)音抽樣 )(ns 和激勵(lì)信號(hào) )(ne 之間的關(guān)系可以用下列的查分方程表示： ?? ??? Pi i insanGens 1 )()()( () 即語(yǔ)音樣點(diǎn)之間具有相關(guān)性，可以用過(guò)去的樣點(diǎn)值預(yù)測(cè)未來(lái)樣點(diǎn)值。對(duì)于 濁音，激勵(lì))(ne 是以基音周期重復(fù)的單位脈沖序列，可以表示為： ?????? ?? r prNnne )()( ? () 而對(duì)于清音而言， )(ne 是一個(gè)高斯白噪聲序列，它的自相關(guān)函數(shù)滿(mǎn)足下式： )()]()([)( llneneElR e ???? () 我們可以將參數(shù)解卷問(wèn)題歸結(jié)為首先正確估計(jì)出 )(zA 的階數(shù) P 和它的各個(gè)系數(shù)1a ~ Pa ，然后根據(jù)估計(jì)出的 )(zA 求得 G 和 )(ne 。 如果將某聲音模型看成一個(gè)激勵(lì)源，通過(guò)一個(gè)線(xiàn)性時(shí)不變系統(tǒng)（聲道）產(chǎn)生輸出，那么可以運(yùn)用 LP 分析法對(duì)聲道的參數(shù)進(jìn)行估值，以比較少量的低信息率的時(shí)變參數(shù)，精確地描述聲音波形及其頻譜的性質(zhì)。此外， LP 分 析還能夠?qū)舱穹?、功率譜等聲信號(hào)參數(shù)進(jìn)行精確估計(jì)， LP 分析得到的參數(shù)可以作為聲音識(shí)別的重要參數(shù)之一。 車(chē)輛聲目標(biāo)信號(hào)線(xiàn)性預(yù)測(cè)（ LPC 法）分析 汽車(chē)聲目標(biāo) 選取 （汽車(chē)聲）聲數(shù)據(jù)作為識(shí)別的集合，聲目標(biāo)信號(hào)采樣頻率為 8kHz，幀長(zhǎng) 160/8000ms，幀移 40/8000ms，窗函數(shù)采用漢明窗。如下圖所示： 常州工學(xué)院延陵學(xué)院畢業(yè)設(shè)計(jì)說(shuō)明書(shū) 13 1 2 3 4 5 6 7 8 9 10024681012 圖 31 預(yù)測(cè)階數(shù) p=10，幀重合長(zhǎng)度 len=80，幀長(zhǎng)度 L=160，幀數(shù) NN=100（汽車(chē)聲） 當(dāng)其余參數(shù)不變，只改變預(yù)測(cè)階數(shù) p 時(shí)，如下圖 (a)(b)(c)所示： 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5 50123456 1 2 3 4 5 6 7 8 9 100246810120 2 4 6 8 10 12 14 16 18 200123456789 (a) 預(yù)測(cè)階數(shù) p=5， (b) 預(yù)測(cè)階數(shù) p=10， (c) 預(yù)測(cè)階數(shù) p=20， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀數(shù) NN=100 幀數(shù) NN=100 幀數(shù) NN=100 圖 32 只改變預(yù)測(cè)階數(shù) p 時(shí)汽車(chē)聲綜合比較圖 表 31 只改變預(yù)測(cè)階數(shù) p 時(shí)汽車(chē)聲程序運(yùn)行時(shí)間對(duì)比表 預(yù)測(cè)階數(shù) p p=5 p=10 p=20 程序運(yùn)行時(shí)間 t 秒 秒 秒 由各圖比較可見(jiàn)，隨著預(yù)測(cè)階數(shù) p 值越大，則特征值波動(dòng)性越大，特征值間差異越明顯。 由特征提取時(shí)各程序所消耗的時(shí)間資源比較可見(jiàn)，隨著 p 值越大，則時(shí)間越長(zhǎng)，運(yùn)算量越大。 當(dāng)其余參數(shù)不變，只改變幀重合長(zhǎng)度 len 時(shí)，如下圖 (a)(b)(c)所示： 第 3章 基于 MATLAB算法的特征提取 14 1 2 3 4 5 6 7 8 9 10051015202530351 2 3 4 5 6 7 8 9 100246810121 2 3 4 5 6 7 8 9 1001234567 (a) 預(yù)測(cè)階數(shù) p=10， (b) 預(yù)測(cè)階數(shù) p=10， (c) 預(yù)測(cè)階數(shù) p=10， 幀重合長(zhǎng)度 len=40， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=160， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀數(shù) NN=100 幀數(shù) NN=100 幀數(shù) NN=100 圖 33 只改變幀重合長(zhǎng)度 len 時(shí)汽車(chē)聲綜合比較圖 由各圖比較可見(jiàn)，隨著幀重合長(zhǎng)度 len 值越大，則 特征值變化幅度越小，圖線(xiàn)越集中。 當(dāng)其余參數(shù)不變，只改變幀長(zhǎng)度 L 時(shí)，如下圖 (a)(b)(c)所示： 1 2 3 4 5 6 7 8 9 100123456789101 2 3 4 5 6 7 8 9 100246810121 2 3 4 5 6 7 8 9 10024681012 (a) 預(yù)測(cè)階數(shù) p=10， (b) 預(yù)測(cè)階數(shù) p=10， (c) 預(yù)測(cè)階數(shù) p=10， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀長(zhǎng)度 L=80， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=320， 幀數(shù) NN=100 幀數(shù) NN=100 幀數(shù) NN=100 圖 34 只改變幀長(zhǎng)度 L 時(shí)汽車(chē)聲綜合比較圖 由各圖比較可見(jiàn)，隨著幀長(zhǎng)度 L 值越大，則特征值的變化范圍越大，特征值間差異越明顯。 當(dāng)其余參數(shù)不變，只改變幀數(shù) NN 時(shí)，如下圖 (a)(b)(c)所示： 常州工學(xué)院延陵學(xué)院畢業(yè)設(shè)計(jì)說(shuō)明書(shū) 15 1 2 3 4 5 6 7 8 9 100246810121 2 3 4 5 6 7 8 9 100246810121 2 3 4 5 6 7 8 9 1002468101214 (a) 預(yù)測(cè)階數(shù) p=10， (b) 預(yù)測(cè)階數(shù) p=10， (c) 預(yù)測(cè)階數(shù) p=10， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀數(shù) NN=50 幀數(shù) NN=100 幀數(shù) NN=150 圖 35 只改變幀數(shù) NN 時(shí)汽車(chē)聲綜合比較圖 由各圖比較可見(jiàn)，當(dāng) NN 值越大時(shí)（即幀數(shù)越多），則特征值數(shù)據(jù)量越大，變化量也越多。 卡車(chē)聲目標(biāo) 選取 （卡車(chē)聲）聲數(shù)據(jù)作為識(shí)別的集合，聲目標(biāo)信號(hào)采樣頻率為 8kHz，幀長(zhǎng) 160/8000ms，幀移 40/8000ms，窗函數(shù)采用漢明窗。如下圖所示： 1 2 3 4 5 6 7 8 9 1000 . 511 . 5 圖 36 預(yù)測(cè)階數(shù) p=10，幀重合長(zhǎng)度 len=80，幀長(zhǎng)度 L=160，幀數(shù) NN=100（卡車(chē)聲） 當(dāng)其余參數(shù)不變，只改變預(yù)測(cè)階數(shù) p 時(shí)，如下圖 (a)(b)(c)所示： 第 3章 基于 MATLAB算法的特征提取 16 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5 50 . 20 . 40 . 60 . 811 . 21 . 41 . 61 2 3 4 5 6 7 8 9 1000 . 511 . 50 2 4 6 8 10 12 14 16 18 2000 . 20 . 40 . 60 . 811 . 21 . 41 . 61 . 8 (a) 預(yù)測(cè)階數(shù) p=5， (b) 預(yù)測(cè)階數(shù) p=10， (c) 預(yù)測(cè)階數(shù) p=20， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀數(shù) NN=100 幀數(shù) NN=100 幀數(shù) NN=100 圖 37 只改變預(yù)測(cè)階數(shù) p 時(shí)卡車(chē)聲綜合比較圖 表 32 只改變預(yù)測(cè)階數(shù) p 時(shí)卡車(chē)聲程序運(yùn)行時(shí)間對(duì)比表 預(yù)測(cè)階數(shù) p p=5 p=10 p=20 程序運(yùn)行時(shí)間 t 秒 秒 秒 由各圖比較可見(jiàn)，隨著預(yù)測(cè)階數(shù) p 值越大，則特征值波動(dòng)性越大，特征值間差異越明顯。 由特征提取時(shí)各程序所消耗的時(shí)間資源比較可見(jiàn)，隨著 p 值越大，則時(shí)間越長(zhǎng)，運(yùn)算量越大。 當(dāng)其余參數(shù)不變，只改變幀重合長(zhǎng)度 len 時(shí)，如下圖 (a)(b)(c)所示： 1 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 41 2 3 4 5 6 7 8 9 1000 . 511 . 51 2 3 4 5 6 7 8 9 1000 . 511 . 5 (a) 預(yù)測(cè)階數(shù) p=10， (b) 預(yù)測(cè)階數(shù) p=10， (c) 預(yù)測(cè)階數(shù) p=10， 幀重合長(zhǎng)度 len=40， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=160， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀數(shù) NN=100 幀數(shù) NN=100 幀數(shù) NN=100 圖 38 只改變幀重合長(zhǎng)度 len 時(shí)卡車(chē)聲綜合比較圖 常州工學(xué)院延陵學(xué)院畢業(yè)設(shè)計(jì)說(shuō)明書(shū) 17 由各圖比較可見(jiàn)，隨著幀重合長(zhǎng)度 len 值越大，則特征值變化幅度越小，圖線(xiàn)越集中。 當(dāng)其余參數(shù)不變，只改變幀長(zhǎng)度 L 時(shí)，如下圖 (a)(b)(c)所示： 1 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 41 . 61 . 821 2 3 4 5 6 7 8 9 1000 . 511 . 51 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 4 (a) 預(yù)測(cè)階數(shù) p=10， (b) 預(yù)測(cè)階數(shù) p=10， (c) 預(yù)測(cè)階數(shù) p=10， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀長(zhǎng)度 L=80， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=320， 幀數(shù) NN=100 幀數(shù) NN=100 幀數(shù) NN=100 圖 39 只改變幀長(zhǎng)度 L 時(shí)卡車(chē)聲綜合比較圖 由各圖比較可見(jiàn)，隨著幀長(zhǎng)度 L 值越大，則特征值的變化范圍越大，特征值間差異越明顯。 當(dāng)其余參數(shù)不變，只改變幀數(shù) NN 時(shí)，如下圖 (a)(b)(c)所示： 1 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 41 2 3 4 5 6 7 8 9 1000 . 511 . 51 2 3 4 5 6 7 8 9 1000 . 511 . 5 (a) 預(yù)測(cè)階數(shù) p=10， (b) 預(yù)測(cè)階數(shù) p=10， (c) 預(yù)測(cè)階數(shù) p=10， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀數(shù) NN=50 幀數(shù) NN=100 幀數(shù) NN=150 圖 310 只改變幀數(shù) NN 時(shí)卡車(chē)聲 綜合比較圖 第 3章 基于 MATLAB算法的特征提取 18 由各圖比較可見(jiàn)，當(dāng) NN 值越大時(shí)（即幀數(shù)越多），則特征值數(shù)據(jù)量越大，變化量也越多。 摩托車(chē)聲目標(biāo) 選取 （摩托車(chē)聲）聲數(shù)據(jù)作為識(shí)別的集合，聲目標(biāo)信號(hào)采樣頻率為 8kHz，幀長(zhǎng) 160/8000ms，幀移 40/8000ms，窗函數(shù)采用漢明窗。如下圖所示： 1 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 4 圖 311 預(yù)測(cè)階數(shù) p=10，幀重合長(zhǎng)度 len=80，幀長(zhǎng)度 L=160，幀數(shù) NN=100（摩托車(chē)聲） 當(dāng)其余參數(shù)不變，只改變預(yù)測(cè)階數(shù) p 時(shí)，如下圖 (a)(b)(c)所示： 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5 500 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 911 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 40 2 4 6 8 10 12 14 16 18 2000 . 20 . 40 . 60 . 811 . 21 . 4 (a) 預(yù)測(cè)階數(shù) p=5， (b) 預(yù)測(cè)階數(shù) p=10， (c) 預(yù)測(cè)階數(shù) p=20， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀數(shù) NN=100 幀數(shù) NN=100 幀數(shù) NN=100 圖 312 只改變預(yù)測(cè)階數(shù) p 時(shí)摩托 車(chē)聲綜合比較圖 表 33 只改變預(yù)測(cè)階數(shù) p 時(shí)摩托車(chē)聲程序運(yùn)行時(shí)間對(duì)比表 預(yù)測(cè)階數(shù) p p=5 p=10 p=20 程序運(yùn)行時(shí)間 t 秒 秒 秒 常州工學(xué)院延陵學(xué)院畢業(yè)設(shè)計(jì)說(shuō)明書(shū) 19 由各圖比較可見(jiàn)，隨著預(yù)測(cè)階數(shù) p 值越大，則特征值波動(dòng)性越大，特征值間差異越明顯。 由特征提取時(shí)各程序所消耗的時(shí)間資源比較可見(jiàn)，隨著 p 值越大，則時(shí)間越長(zhǎng)，運(yùn)算量越大。 當(dāng)其余參數(shù)不變，只改變幀重合長(zhǎng)度 len 時(shí)，如下圖 (a)(b)(c)所示： 1 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 41 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 41 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 4 (a) 預(yù)測(cè)階數(shù) p=10， (b) 預(yù)測(cè)階數(shù) p=10， (c) 預(yù)測(cè)階數(shù) p=10， 幀重合長(zhǎng)度 len=40， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=160， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=160， 幀數(shù) NN=100 幀數(shù) NN=100 幀數(shù) NN=100 圖 313 只改變幀重合長(zhǎng)度 len 時(shí)摩托車(chē)聲綜合比較圖 由各圖比較可見(jiàn)，隨著幀重合長(zhǎng)度 len 值越大，則特征值變化幅度 越小，圖線(xiàn)越集中。 當(dāng)其余參數(shù)不變，只改變幀長(zhǎng)度 L 時(shí)，如下圖 (a)(b)(c)所示： 1 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 41 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 41 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 4 (a) 預(yù)測(cè)階數(shù) p=10， (b) 預(yù)測(cè)階數(shù) p=10， (c) 預(yù)測(cè)階數(shù) p=10， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀重合長(zhǎng)度 len=80， 幀長(zhǎng)度 L=80， 幀長(zhǎng)度 L=160， 幀長(zhǎng)度 L=320， 幀數(shù) NN=100 幀數(shù) NN=100 幀數(shù) NN=100 圖 314 只改變幀長(zhǎng)度 L 時(shí)摩托車(chē)聲綜合比較圖 第 3章 基于 MATLAB算法的特征提取 20 由各圖比較可見(jiàn)，隨著幀長(zhǎng)度 L 值越大，則特征值的變化范圍越大，特征值間差異越明顯。 當(dāng)其余參數(shù)不變，只改變幀數(shù) NN 時(shí)，如下圖 (a)(b)(c)所示： 1 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 41 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 41 2 3 4 5 6 7 8 9 1000 . 20 . 40 . 60 . 811 . 21 . 4