无人驾驶汽车行车环境下的声学事件检测

发布时间：2025-05-28 03:19

　　无人驾驶汽车在行车过程中,需要通过视觉感知和听觉感知来构建当前周围环境模型,声学事件检测是听觉感知系统构建模型的核心所在,而警笛音为行车环境下的主要声学事件,因此对警笛音的检测开展深入的研究极有必要。(1)以特种车辆所发出的警笛音信号这一声学事件为研究目标,在实验环境下搭建基于梅尔频率倒谱系数(MFCC)声学特征和支持向量机(SVM)模式分类的基线系统,仿真分析该基线系统的正确性;采集汽车试验场地行车环境下的实验数据,对基线系统进行测试,结果表明基线系统在行车环境下的检测准确率较低。(2)为了解决传统声学特征MFCC对噪声干扰比较敏感的问题,提出了一种谐波梅尔频率倒谱系数(HMFCC)的鲁棒性声学特征提取算法。该算法通过声学信号的谐波模型与MFCC算法相结合,提取目标声学信号中的共振峰频率,增强目标声学信号的中高频分量,从而得到在噪声环境下鲁棒性较好的声学特征。(3)为了建立行车风噪模型,采用谱减法对其进行降噪处理。具体的研究内容包括:通过互信息验证行车风噪低频域和高频域之间的相关性;采用径向基函数神经网络建立行车风噪模型,其中低频域作为输入向量,高频域作为输出向量;最后用谱减法对估计出...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 声学事件检测研究现状
        1.2.2 鲁棒性声学特征研究现状
        1.2.3 行车噪声研究现状
        1.2.4 支持向量机研究现状
    1.3 本文研究的主要内容
2 基于MFCC和 SVM的警笛音检测基线系统
    2.1 引言
    2.2 基线系统
        2.2.1 系统框架图
        2.2.2 警笛音信号预处理
        2.2.3 MFCC特征提取
        2.2.4 支持向量机模型训练
        2.2.5 基线系统仿真分析
    2.3 实验数据分析
        2.3.1 数据采集
        2.3.2 参数设置
        2.3.3 结果分析
    2.4 本章小结
3 鲁棒性声学特征提取算法
    3.1 引言
    3.2 基于谐波模型和MFCC特征提取方法
        3.2.1 行车过程中的噪声
        3.2.2 共振峰提取
        3.2.3 目标声学事件的谐波分析
        3.2.4 声学事件HMFCC特征提取
    3.3 实验数据分析
        3.4.1 参数设置
        3.4.2 结果分析
    3.4 本章小结
4 基于径向基神经网络噪声模型的降噪算法
    4.1 引言
    4.2 不同频段风噪之间的相关性
    4.3 基于RBFNN噪声建模算法
        4.3.1 RBFNN原理
        4.3.3 谱减法减噪原理
        4.3.4 基于RBFNN噪声模型降噪算法
    4.4 实验数据分析
        4.4.1 实验数据
        4.4.2 参数设置
        4.4.3 结果分析
    4.5 本章小结
5 支持向量机模型的参数优化
    5.1 引言
    5.2 支持向量机的参数分析
    5.3 参数寻优算法
        5.3.1 K折交叉验证算法
        5.3.2 遗传算法参数寻优
        5.3.3 粒子群算法参数寻优
        5.3.4 优化结果对比分析
    5.4 实验数据分析
        5.4.1 参数设置
        5.4.2 结果分析
    5.5 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
致谢
参考文献
攻读学位期间的主要研究成果



本文编号：4047995