【正文】 當(dāng)其余參數(shù)不變，只改變幀長度 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)測階數(shù) p=10， (b) 預(yù)測階數(shù) p=10， (c) 預(yù)測階數(shù) p=10， 幀重合長度 len=80， 幀重合長度 len=80， 幀重合長度 len=80， 幀長度 L=80， 幀長度 L=160， 幀長度 L=320， 幀數(shù) NN=100 幀數(shù) NN=100 幀數(shù) NN=100 圖 314 只改變幀長度 L 時(shí)摩托車聲綜合比較圖 第 3章 基于 MATLAB算法的特征提取 20 由各圖比較可見，隨著幀長度 L 值越大，則特征值的變化范圍越大，特征值間差異越明顯。 由特征提取時(shí)各程序所消耗的時(shí)間資源比較可見，隨著 p 值越大，則時(shí)間越長，運(yùn)算量越大。 摩托車聲目標(biāo) 選取 （摩托車聲）聲數(shù)據(jù)作為識別的集合，聲目標(biāo)信號采樣頻率為 8kHz，幀長 160/8000ms，幀移 40/8000ms，窗函數(shù)采用漢明窗。 當(dāng)其余參數(shù)不變，只改變幀長度 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)測階數(shù) p=10， (b) 預(yù)測階數(shù) p=10， (c) 預(yù)測階數(shù) p=10， 幀重合長度 len=80， 幀重合長度 len=80， 幀重合長度 len=80， 幀長度 L=80， 幀長度 L=160， 幀長度 L=320， 幀數(shù) NN=100 幀數(shù) NN=100 幀數(shù) NN=100 圖 39 只改變幀長度 L 時(shí)卡車聲綜合比較圖 由各圖比較可見，隨著幀長度 L 值越大，則特征值的變化范圍越大，特征值間差異越明顯。 由特征提取時(shí)各程序所消耗的時(shí)間資源比較可見，隨著 p 值越大，則時(shí)間越長，運(yùn)算量越大。 卡車聲目標(biāo) 選取 （卡車聲）聲數(shù)據(jù)作為識別的集合，聲目標(biāo)信號采樣頻率為 8kHz，幀長 160/8000ms，幀移 40/8000ms，窗函數(shù)采用漢明窗。 當(dāng)其余參數(shù)不變，只改變幀長度 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)測階數(shù) p=10， (b) 預(yù)測階數(shù) p=10， (c) 預(yù)測階數(shù) p=10， 幀重合長度 len=80， 幀重合長度 len=80， 幀重合長度 len=80， 幀長度 L=80， 幀長度 L=160， 幀長度 L=320， 幀數(shù) NN=100 幀數(shù) NN=100 幀數(shù) NN=100 圖 34 只改變幀長度 L 時(shí)汽車聲綜合比較圖 由各圖比較可見，隨著幀長度 L 值越大，則特征值的變化范圍越大，特征值間差異越明顯。 由特征提取時(shí)各程序所消耗的時(shí)間資源比較可見，隨著 p 值越大，則時(shí)間越長，運(yùn)算量越大。 車輛聲目標(biāo)信號線性預(yù)測（ LPC 法）分析 汽車聲目標(biāo) 選取 （汽車聲）聲數(shù)據(jù)作為識別的集合，聲目標(biāo)信號采樣頻率為 8kHz，幀長 160/8000ms，幀移 40/8000ms，窗函數(shù)采用漢明窗。 如果將某聲音模型看成一個(gè)激勵源，通過一個(gè)線性時(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)。這樣，語音抽樣 )(ns 和激勵信號 )(ne 之間的關(guān)系可以用下列的查分方程表示： ?? ??? Pi i insanGens 1 )()()( () 即語音樣點(diǎn)之間具有相關(guān)性，可以用過去的樣點(diǎn)值預(yù)測未來樣點(diǎn)值。 根據(jù)語音信號的產(chǎn)生模型，語音信號 )(zS 是激勵信號 )(zE 通過一個(gè)線性時(shí)不變因果穩(wěn)定系統(tǒng) )(zV 產(chǎn)生的輸出，這時(shí)時(shí)域上表現(xiàn)為 )(ne 和 )(nv 的卷積。聲目標(biāo)信號線性預(yù)測（ LPC 法）基本思想是：一個(gè)聲信號的抽樣值可把以往使用的若干個(gè)取樣值的線性組合用來慢慢逼近。 聲目標(biāo)信號的特征提取將會是目標(biāo)探測識別中的最為關(guān)鍵的環(huán)節(jié)之一，信號特征提取的優(yōu)劣直接關(guān)系到下一步目標(biāo)分類的效率以及結(jié)果。因而，特征空間的維數(shù)也就被進(jìn)一步壓縮。特征參數(shù)值選得過于少，固然比較難地做到精確探測識別的要求，但是若選得過多，也會一樣使得識別的效果欠理想。一般而言，為達(dá)到較高識別率和識別的可靠程度，總是會盡量多地提取特征信息，以利于找出最有效的特征。除去內(nèi)部的函數(shù)，任何 Matlab 核心的文件以及工具箱的文件是可讀的可改的，這樣使用者就可以通過對源文件進(jìn)行修改來使得自己的成為新的工具箱了。 綜上所述， Matlab 它 是一種根據(jù) 矩陣的運(yùn)算，還擁有數(shù)值的運(yùn)算和一些數(shù)據(jù)處理的功能的一種高級的編程語言，這樣廣泛的應(yīng)用在進(jìn)行信號的分析，進(jìn)行語音的分析，進(jìn)行優(yōu)化的設(shè)計(jì)等區(qū)域，在這樣復(fù)雜的算法前面展現(xiàn)出比其他語言更加的優(yōu)秀，所以它是目前世界上最最流行的軟件中的一種。并且允許使用者進(jìn)行編寫這樣可以與 Matlab 的 C 語言的程序進(jìn)行交互。 Matlab Notebook 就 可以隨意的在 word 中進(jìn)行修改和進(jìn)行計(jì)算的命令， 也可以計(jì)算并且生成一些圖像進(jìn)行返回，使得使用者能夠在 Word 的 環(huán)境中具有 Matlab 的很多的資源?？梢酝ㄟ^混合的編程用戶可以在 Matlab 環(huán)境中進(jìn)行函數(shù)調(diào)用以及其他語言的代碼，我們也可以把 C 語言 中的函數(shù)進(jìn)行調(diào)用，使得 Matlab 來進(jìn)行執(zhí)行代碼。 常州工學(xué)院延陵學(xué)院畢業(yè)設(shè)計(jì)說明書 11 MATLAB 功能特點(diǎn) 它具有 擴(kuò)展性 比較 強(qiáng) 的特點(diǎn)， Matlab 不僅擁有非常豐富的庫，然后我們可以在復(fù)雜的數(shù)學(xué)運(yùn)算中把函數(shù)進(jìn)行調(diào)用。 圖 31 MATLAB 開發(fā)工作界面 MATLAB 的語言特點(diǎn)、功能特點(diǎn)簡介 MATLAB 語言特點(diǎn) Matlab 具有許多語言特點(diǎn)，比如用法比較簡單、使用比較靈 活、結(jié)構(gòu)的程式比較強(qiáng)、遇有良好的延展性等很多優(yōu)點(diǎn)，這些已經(jīng)慢慢的成為了現(xiàn)在科技開發(fā)與計(jì)算、各種交互的系統(tǒng)和編程中的第一選擇語言的工具。 它在 很多 類 的 科技 開發(fā) 軟件中 占著很重要的地位 。 第 3章 基于 MATLAB算法的特征提取 10 第 3 章 基于 MATLAB 算法的特征提取 MATLAB 簡介 MATLAB 是由美國 的一家 公司發(fā) 明 的 大部分 主要 針對進(jìn)行 科學(xué) 的 計(jì)算、 窗口化 以及 交叉式的程序設(shè)計(jì)相關(guān)的 高科技 的計(jì)算使用 環(huán)境。通過繪制汽車、卡車、摩托車、公交車時(shí)域圖、頻譜圖測試分析數(shù)據(jù)特點(diǎn)，再回歸理論，研究這幾種典型目標(biāo)的特性的分類特征，為后續(xù)的目標(biāo)分類識別奠定基礎(chǔ)。通過對不同車型聲目標(biāo)數(shù)據(jù)的時(shí)域和頻譜分析，發(fā)現(xiàn)汽車、卡車、摩托車、公交車的聲信號與采集目標(biāo)的距離密切相關(guān)，可見，幾類目標(biāo)能量和頻譜結(jié)構(gòu)都存在著明顯差異，能夠從中提取出目標(biāo)的特征向量，從而實(shí)現(xiàn)對不同車型聲音目標(biāo)信號的識別。利用好 背景噪聲、目標(biāo)信號在頻譜結(jié)構(gòu)特征上的差異，是完全可以進(jìn)行有效的分類識別的。 ⑤目標(biāo)聲級與目標(biāo)發(fā)動機(jī)功率有密切關(guān)系。此線譜的譜幅隨著頻率的增加而會減小；連續(xù)譜的譜級在低頻段是低于離散譜譜級的；在高頻段則顯得比較高，離散譜被連續(xù)譜淹沒。它以在連續(xù)譜上疊加一系列的離散譜的噪聲譜為特性。此外，汽車聲在低頻段頻線非常豐富，其中包含有寬胎的作用頻率，這與快行車輛類存在著鮮明差別，因此，此類聲信號目標(biāo)的特征差別完全可被 比較容易地識別出來。信號的主要能量集中在 500Hz~ 以內(nèi)，呈中、低頻連續(xù)譜，峰值頻率可見出現(xiàn)在低頻段。 ②對于摩托車、公交車聲信號，為一作用時(shí)間比較短、峰 值比較高的沖擊脈沖，而且有著較強(qiáng)的指向性，與汽車、卡車聲目標(biāo)的聲信號相比，有著比較明顯的區(qū)別。作波形圖為車輛聲信號特性分析奠定基礎(chǔ)。相反而言，通過對目標(biāo)聲信號機(jī)理的分析，可以得出目標(biāo)的聲輻射特性，從而可以作為各種聲目標(biāo)信號分類識別的重要依據(jù)。 聲目標(biāo)輻射產(chǎn)生機(jī)理 聲音是一種機(jī)械波，是物體機(jī)械振動通過彈性媒體朝向遠(yuǎn)處傳播的結(jié)果。 傳播過程中的聲衰減 聲波在傳播時(shí)的時(shí)候，隨著距離增加，聲壓降低。在實(shí)際測試過程中，聲目標(biāo)相對于傳感器會有一定距離，故可認(rèn)為聲波是以球面波的方式進(jìn)行傳播的，其聲源可以簡化成為點(diǎn)聲源模型，聲功率在均勻地向著各方常州工學(xué)院延陵學(xué)院畢業(yè)設(shè)計(jì)說明書 7 向輻射，指向性形成的是一圓球。系統(tǒng)對目標(biāo)聲音信號的拾取，可認(rèn)為是在半自由場進(jìn)行的。無邊界、各向同性、媒質(zhì)均勻的聲場即理想自由場的特性。 聲目標(biāo)信號傳播過程 聲波傳播的區(qū)域被稱作為聲場。本次論文即著重研究特征提取和目標(biāo)識別，如果所依據(jù)的特征組合選擇得更準(zhǔn)確，更符合，那么就能更容易得出對未知目標(biāo)的正確識別，特征組合從而使得識別問題得到簡化。聲目標(biāo)探測識別系統(tǒng)基本流程如下圖所示。目前，國內(nèi)外常用的方法是在聲探測識別前先向計(jì)算機(jī)輸入某聲目標(biāo)信號，使得 計(jì)算機(jī)存儲好該類聲目標(biāo)的標(biāo)準(zhǔn)模式特征（即存入聲音訓(xùn)練庫）。 第 2章 車輛聲目標(biāo)信號特性分析 6 第 2 章 車輛聲目標(biāo)信號特性分析 聲目標(biāo)信號識別系統(tǒng)組成 本次設(shè)計(jì)將汽車、卡車、摩托車、公交車等聲信號作為研究對象，通過對各個(gè)聲信號的分析，從而提取出它們的明顯特征，并且對各特征進(jìn)行訓(xùn)練、分類識別。 第 5 章：總結(jié)與展 望。 第 4 章：基于聚類思想的歐氏距離識別法。結(jié)合目標(biāo)聲信號特征測試效果，調(diào)整相應(yīng)參數(shù)，以便于后期的信號特征向量的分類。 第 3 章：基于 MATLAB 的 LPC 特征提取。 第 2 章：車輛聲目標(biāo)信號特性分析。 論文內(nèi)容結(jié)構(gòu)安排 綜合本次課題的研究過程中主要會涉及到的相關(guān)技術(shù)及測試分析，經(jīng)過整理和總結(jié)之后，本次論文的章節(jié)安排大致如下所示： 第 1 章：緒論。