[发明专利]一种汽车鸣笛智能检测方法

说明书

本发明提供了一种汽车鸣笛智能检测方法，用空气声呐传感器阵列接收声信号，对接收到的信号进行放大滤波并采样；通过训练好的支持向量机来实现汽车鸣笛信号和环境噪声的分类；通过机械扫描的方式改变信号入射角度θ，估计出声源信号的方向；通过波束形成定位来实现违法车辆的定位，然后通过高清摄像头进行违法车辆的抓拍取证。本发明能够对马路上的声音信号进行实时监控，准确识别鸣笛声音，并根据采集的车辆鸣笛声实时定位。

技术领域

本发明属于信号处理领域，涉及机器学习、声呐波束形成、声信号检测定位等理论。

背景技术

随着汽车工业的迅速发展，汽车每年增长率越来越高，人们对于鸣笛噪音的关注越来越密切。据有关资料表明，城市70％的噪声来源于交通噪声，而交通噪声中汽车鸣笛噪声占据很大比重。汽车鸣笛噪声干扰人们的正常生活和休息，严重时甚至影响人们的身心健康，如引起心血管疾病、内分泌疾病等。此外汽车鸣笛噪声可造成学习工作效率降低、产品质量下降，在特定条件下甚至成为社会不稳定的因素。近年来，人民对汽车鸣笛噪声污染治理的诉求越来越强烈，各地交警所受理的关于鸣笛扰民的投诉也络绎不绝。许多城市在各个路段都设立禁止鸣笛的区域。但由于违法鸣笛事件本身现场取证较难，难以分辨等因素，各地交警很难对违法鸣笛事件进行现场取证处罚，这给各个城市噪声污染的治理带来了很大的难度。

阵列信号处理技术目前已被广泛应用于通讯、雷达、声呐、医学、语音信号处理等诸多领域，自上世纪80年代以来，阵列信号处理技术被广泛的应用于声源被动定位的研究，如在潜艇上携带的用于探潜的舷侧阵声呐，在视频会议室内用于定位声源的麦克风阵列，军事中用于反狙击手的声传感器阵列等。用于被动定位的声传感器设备在海洋中主要以水听器基阵为代表，而在空气中主要以各种阵型的麦克风阵列为代表，它们被动的接收声音信息，利用阵列信号处理技术对信号滤波增强，获取信号特征，计算传输方向。声音传播的多径效应导致接收的信号中含有除信号源以外的其他反射信号，这些经过多径传播到达的信号与原始信号相关性很高，很难被滤除，会给计算结果带来一定程度的偏差。

发明内容

为了克服现有技术的不足，本发明提供一种基于空气声呐系统的智能检测方法，能够对马路上的声音信号进行实时监控，准确识别鸣笛声音，并根据采集的车辆鸣笛声实时定位，配合高清摄像机准确捕捉到鸣笛车辆，同时还会录取鸣笛车辆的喇叭声音作为证据，通过科技手段对鸣笛车辆进行抓拍，辅助交警部门执法取证。

本发明解决其技术问题所采用的技术方案包括以下步骤：

第一步，用空气声呐传感器阵列接收声信号，第i个声传感器接收到的信号x_i(t)＝h_i(t)*s(t)+n_i(t)，i＝1，2，…，N，其中，h_i(t)是声源与第i个声传感器之间的环境冲激响应，s(t)代表原始信号，n_i(t)代表环境噪声；

第二步，对接收到的信号进行放大滤波并采样；

第三步，通过训练好的支持向量机来实现汽车鸣笛信号和环境噪声的分类；最优分类曲线y_i＝wx_i+b，i＝1...n，其中w为最优分类线斜率，b为最优分类线截距；此时的最优化分类问题转换为

式中，ξ_i表示一个具有弹性伸缩的松弛因子，C表示惩罚系数；

第四步，计算波束形成器的输出功率，通过机械扫描的方式改变信号入射角度θ找到输出功率谱峰值所对应的角度，估计出声源信号的方向；

第五步，通过波束形成定位来实现违法车辆的定位，然后通过高清摄像头进行违法车辆的抓拍取证。

所述的第二步对采集的信号进行两级放大，第一级放大10倍，第二级放大的增益在1、2、5、10倍间调节。