基于靜音消除法的駕駛員行為狀態識別

（Driver Behavior State Recognition based on Silence Removal Speech）

許多研究將駕駛員行為與事故原因聯系起來，有些研究重點分析了基于駕駛員行為狀態所造成事故的預防措施。根據大量的研究發現，語音已經被發現是識別和分析駕駛員行為狀態的合適的輸入信號，因為當駕駛員說話時系統可以測量潛在的情緒信息，同時也可以測量這種情緒上的改變所帶來的輸入信號上的改變。

在提取相關語音特征之前，本文提出了一種使用短期能量（STE）和零交叉率（ZCR）的靜音消除方法，以減少語音信號在車輛環境中的計算時間。采用梅爾頻率倒譜系數（MFCC）特征提取方法，結合多層感知器與分類器獲取駕駛員行為狀態識別性能。MFCC在人類聽覺頻率響應中應用了耳蝸機制，該機制利用一定數量的系數濾波器組和特定的形狀濾波器組。這些特征捕捉音頻信號的頻譜包含了感知最重要的部分，然后將這些信息解釋為腦解碼的神經沖動。然而，在某些駕駛行為中，數據往往是不準確的、可調整的或有明顯缺陷的，并且有可能包含許多噪聲和偽影。因此，需要對一個干凈的數據進行分析，以確保觀察結果來自正確的數據。通常，我們可以用預處理來保證噪音和偽影的最小化甚至實現去除。預處理是對原始數據執行子流程的過程，用于特征提取和分類階段的準備。

檢測靜音區域的兩種最常用的方法是采用零交叉率（ZCR）和短時能量（STE）方法。ZCR是在給定的時間間隔/幀中對語音信號的幅度通過零值次數的度量，短期能量（STE）可以定義為特定語音段內幅度的平方絕對值之和。這兩種方法均能有效的用來消除噪音從而獲得有效的聲音信號。