汽車喇叭噪聲智能識別初探

隨著機動車的數量迅猛增長，噪聲污染也日益突出。

在我國城市交通噪聲污染治理上，著重點還是落在交通管理上。如在噪聲敏感目標集中區域和時段，通過采取“限鳴”措施。但是，“限鳴”(禁鳴)實施起來卻很困難。

如果能夠通過某種方法或裝置，即使有其他噪聲干擾，也能正確識別出某輛車的喇叭是否鳴叫，進而判斷出具體的違規車輛，這將為交警執法帶來很大便利，大大降低城市的汽車喇叭噪聲。

汽車電喇叭的發音頻率由其內部電路參數和喇叭口形狀唯一決定的，當安裝在汽車上后就只能發出頻率唯一的聲音，即單頻信號。

由于喇叭生產廠家的不同，安裝在汽車上的電喇叭頻率都不相同，即使是同一廠家生產的同型號喇叭，由于生產工藝問題，喇叭頻率也是有細微差別的。所以，通過測定汽車喇叭的發聲中心頻率來進行汽車身份的識別。在某種程度上是可行的。

除了喇叭頻率的唯一性，利用喇叭頻率來識別汽車身份的另外一個原因在于喇叭頻率的穩定性。

在實際環境下，由于操作人員的原因，汽車喇叭發聲的時長一般來說不同，聲音的響度(聲音信號的幅度)也不同，而且聲音傳輸的媒介也會因為外界氣溫、環境等未知因素的影響而產生變化，從時域對喇叭聲音信號進行分析將非常困難。

而由于喇叭發聲頻率的唯一性和穩定性，從理論上，喇叭聲音在頻域是一個沖擊函數，沖擊函數的頻率點就是該喇叭的中心頻率，這也正是喇叭發出的聲音中萬變不離其宗的根本參數。

圖1顯示的分別就是喇叭聲音信號的時域波形和功率譜波形。從圖1可以看出，喇叭聲音的時域波形非常復雜而且沒有規律，而其頻域波形(即功率譜)就非常穩定。 總體上說，這種基于喇叭頻率來識別汽車身份的方法有三個主要步驟，分別是樣本數據的訓練；實測數據與樣本的匹配；汽車身份的識別判決。

1 假設有多臺汽車，即有多個不同的喇叭，事先我們應該取得若干組這些喇叭的聲音信號。通過傅立葉變換來求得各個喇叭的功率譜，找出功率譜極大點處的頻率，作為該喇叭的發聲中心頻率，然后將各個汽車喇叭頻率，與汽車車牌號建立一一對應關系。

2 假設有一臺汽車喇叭發音。先取得它的喇叭聲音信號，求出這個喇叭聲音信號的功率譜，找出它的功率譜上極大點處的頻率，以這個頻率作為未知身份汽車的發聲中心頻率。

3 將未知身份汽車的發聲中心頻率與第1步中建立的對應關系匹配，根據距離最小原則，該中心頻率與數據庫中的哪個中心頻率最接近，就認為未知身份的汽車是那個中心頻率對應的汽車，從而實現了汽車身份的識別。

我們一共做了4次實驗。從表格中可以看出。同一個喇叭在不同時刻的發聲頻率是基本不變的。

在實際操作過程中，還需要注意以下問題：

1 由于在聲音信號的采集過程中，不可避免的會受到各種噪聲的干擾，如馬路背景噪聲、交流電噪聲等。由于汽車喇叭發聲頻率大約在2000Hz～3000Hz，所以要選擇合適的帶通濾波器，將其他噪聲頻率濾去。

2 由于求功率譜算法的限制，中心頻率的測定可能不太準確，這就直接導致汽車身份識別過程中的誤判。我們的解決方案是，增大傅立葉變換的點數，這樣可以增大頻譜的分辨率。但這樣會帶來數據點的增多，會導致運算量的增加，影響系統速度。

3 汽車喇叭中心頻率的差異越大，這種識別方法才會越準確。