基于Gammatone滤波器组的车型特征提取方法

摘要

本发明公开了基于Gammatone滤波器组的车型特征提取方法，属于模式识别领域，涉及车辆辐射声信号的特征提取方法，具体来讲是一种通过计算车辆声信号在Gammatone滤波器组下的倒谱系数模拟人耳听觉特性的特征提取方法。该方法利用Gammatone滤波器组可模拟人耳非线性频率分解的特性，将车辆声信号滤波划分为不同子带信号并求取倒谱系数。本发明基于听觉特性中频率分解原理，对车辆声信号提取Gammatone倒谱系数，得到原始信号频带-能量特征，其中涉及计算均为常用信号处理技术，原理简单，步骤明了，便于编程实现，适用性广。

主权项

一种基于Gammatone滤波器组的车型特征提取方法，其特征在于：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fs满足奈奎斯特采样定理，即fs≥2fmax，fmax为信号的最高频率；对采样率为fs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： w ( n ) = h ( n ) = 0.54 - 0.46 cos [ 2 πn / ( N - 1 ) ] , 0 ≤ n ≤ N - 1 0 , else - - - ( 4 ) 其中，N为窗函数数据序列长度，即序列包含数据点数；n为此数据序列中任一数据点编号；2】确定滤波器组应用的频率范围[fL,fH](fL为滤波范围的频率下界，fH为滤波范围的频率上界)、滤波器个数M与滤波器的阶数r，实现M个一组的Gammatone滤波器组： g m ( n ) = 1 2 πj ∫ G m ( z ) z n - 1 dz - - - ( 5 ) 其中，Gm(z)为滤波器在离散系统中的对应函数，z为Z变换中的复变量，n为离散系统中数据序列的任一数据点编号(n为整数)，j为虚数单位，m表 示滤波器组中任一滤波器的编号，3】短时信号x(n)通过Gammatone滤波器组，划分为M个子带信号(M为滤波器个数)xm(n)：xm(n)=x(n)*gm(n)1≤m≤M  (6)4】对子带信号xm(n)作N点的FFT计算，N为子带信号数据序列长度，得到子带信号的功率谱Xm(k)，进一步对其取模平方，得到子带信号的能量谱Em(k)；再除以子带信号帧长度N得到信号的功率谱Gm(k)；对各子带信号平均功率谱Gm(k)加和并取对数，得到子带信号的对数功率值，相应计算如下所示：子带信号能量谱：Em(k)=|Xm(k)|2  (7)子带信号功率谱： G m ( k ) = E m ( k ) N - - - ( 8 ) 子带信号对数功率值： e m = log ( Σ k = 1 N G m ( k ) ) , 1 ≤ m ≤ M - - - ( 9 ) 其中，k代表子带信号数据序列中任一点编号，m代表子带信号编号，与各滤波器编号对应，5】得到车型识别特征系数，实现车型识别：5.1】对各子带信号的对数功率值组成的数据序列e(m)按照定义进行离散余弦变换，得到子带信号的原始p阶倒谱系数C(n)，转换公式为： C ( n ) = 2 M Σ m = 1 M e ( m ) cos [ πn M ( m - 0.5 ) ] , n = 1,2 , . . . , p - - - ( 10 ) 式中：e(m)={e1,…,em,…,eM}；n代表得到倒谱系数数据序列点的编号；p为倒谱系数的阶数；5.2】对得到的原始p阶倒谱系数C(n)，根据半正弦窗函数表达式(11)进行升半正弦倒谱提升，得到提升后的车型识别特征系数，如式（12）所示：w(i)=1+6×sin(πi/N),1≤i≤N  (11)CG(n)=C(n)×w(i)  (12)其中，N对应倒谱系数的阶数p，N=p，i代表1到N的正整数，式(12)中’×’表示C(n)与w(i)两数据序列作点乘运算，即对应位置数据点相乘。