[发明专利]基于Gammatone滤波器组的车型特征提取方法

说明书

技术领域

本发明属于模式识别领域，涉及车辆辐射声信号的特征提取方法，具体来讲是一种计算车辆声信号在Gammatone滤波器组下的倒谱系数的特征提取方法，所得特征可模拟人耳的听觉特性。

背景技术

车型识别的过程主要包括特征提取与分类器的训练识别两个部分。特征提取是模式识别的关键技术之一，利用车辆运动产生声信号对其进行分类识别是车型识别的一种重要方式。车型识别被广泛应用于交通管理、区域防护与要地警戒等领域。

目前，车辆声信号的特征提取主要基于信号的频率特征，AR参数模型是广泛采用的计算信号功率谱的频谱分析方法，有严格的理论支持与成熟的技术实现，但对于不同环境条件下的应用，提高特征分类精度的难度较大；此外还有基于小波及小波包的能量系数特征提取方法，进一步提高了特征的分类精度，但其原理深奥、实现复杂；近几年还出现了采用高阶谱分析、Mel倒谱系数、经验模式分解等新原理的基于频率的特征提取方法，可以得到相对精确的声信号特征，但整体而言，计算量大，实现复杂，且有的提取方法对背景噪声依赖较强，应用具有局限性。

发明内容

本发明目的是提供一种较为简单易行的基于Gammatone滤波器组的车型特征提取方法，该方法基于人耳非线性频率分解的听觉特性，利用听觉外周模型广泛采用的Gammatone滤波器组，过滤、划分车辆声信号并计算滤波得到子带信号的倒谱系数。

本发明的技术解决方案是：

一种基于Gammatone滤波器组的车型特征提取方法，其特殊之处在于：包括以下步骤：

1】采集原始车辆声信号s(n)，n表示采样数据序列中数据点的编号，采样率f_s满足奈奎斯特采样定理，即f_s≥2f_max，f_max为信号的最高频率；对采样率为f_s的原始车辆声信号s(n)进行预滤波、归一化、加窗分帧的预处理，得到时域的短时信号x(n)；相应计算如下所示：

信号预滤波：y(n)=s(n)+0.9375·s(n-1)  (1)

信号归一化：y‾(n)=y(n)|y(n)max|---(2)]]>

加窗分帧：x(n)=y‾(n)·w(n)---(3)]]>

所述加窗分帧采用重叠分帧，w(n)为加窗函数，采用hamming窗，其函数表达式如下：