車輛音頻信號的時域特征方法分析研究

何穎，邊倩，張寶琪

（西安思源學院，陜西西安，710038）

0 引言

隨著人民生活水平的提高，汽車在人們的經濟生活中占有重要的社會地位。目前，研究車輛信息檢測的方法主要有電池感應線圈檢測方法、紅外線檢測方法、脈沖超聲波檢測方法、微波雷達檢測方法、視頻檢測方法、音頻車輛檢測方法等。電池感應線圈檢測方法對路面會有損壞，識別車輛效果不佳；紅外線檢測方法受天氣影響大，車輛識別效果不是很好；脈沖超聲波檢測方法設備簡單，但這種方法檢測距離有限；微波雷達檢測方法適應于多區域檢測，但價格較貴，性能一般，車輛識別較差；視頻檢測方法一般是應用圖像處理技術較多，成本高，受外部環境的影響很大；音頻車輛檢測方法是運用信號處理技術、模式識別等先進技術對音頻信號進行分析處理。

車輛音頻信號可以反映車輛的許多特征信息，車輛音頻信號包括發動機噪聲、輪胎噪聲以及車體運動引起的氣流噪聲等[1,2]。語音信號是隨時間變化的非平穩隨機過程，因此對于語音的分析一般都是短時分析。這是因為語音雖然是時變的但是具有短時相關性，這個相關性來源于人的發生器官具有慣性，因此語音的狀態是不會發生突變，語音在短時間內語音信號的特性基本不變，稱之為語音的短時平穩性。語音信號本身是時域信號，對其進行分析時，最直觀的方法就是觀察其時域波形[3]。

運用語音信號處理的理論和技術對車輛語音信號進行初步的分析和研究，首先利用多傳感器線性陣列采集車輛音頻信號，如果采樣頻率過低，有效信息獲取不全面，精度低；如果采用頻率過高，結果會有一定的誤差，所以在對車輛音頻信號進行采集時，選取較安靜的公路進行數次的信號采集，然后對車輛音頻信號進行加窗、小波去噪和信號合成處理，同時為了消除在信號采集過程中車輛距離、路況、油量等的影響，對信號還要進行歸一化。

車輛音頻信號的時域特征方法是對車輛音頻信號的時域特征，短時能量、短時自相關分析以及基于自相關函數的基音周期估計進行研究，同時對車輛音頻信號進行短時能量提取和基音周期的估計。

1 車輛音頻信號的時域特征提取方法

■1.1 短時能量

音頻信號的短時能量反映了聲音幅度的變化[4]。音頻信號的短時能量的定義為：

這個表示式也可以寫為：

■1.2 短時自相關分析

定義音頻信號xn(m)的短時自相關函數Rn(k)如下：

這里K 是最大的延遲點數。

■1.3 基于自相關函數的基音周期估計

基音周期檢測技術的主要方法有時域的自相關函數法、倒譜法、時頻結合的混合法及其衍生方法等[5]。其中時域的自相關法直接由語音波形來估計基音周期，頻域的倒譜法是一種將語音信號變換到頻域或者時域來估計基音周期的方法。

時域的基于自相關函數算法是基音周期估計的常用方法，特別適用于這種車輛噪聲環境下的基音提取。自相關函數圖形中基音周期處體現為峰值狀態，所以一個基音周期就是相鄰的兩個峰值之間的間隔。

加窗和減少共振峰的影響是自相關法進行基音周期考慮的重點。窗長一般大于兩個基音周期，甚至選的更長一點。減少共振峰的影響是可以利用一個帶通濾波器對信號進行濾波，利用濾波信號的自相關函數來進行基音估計，也可以采取中心削波方法。

設中心削波器函數為C[x]，輸入信號為x(n)，經過中心削波后的輸出信號為y(n)=C[x(n)]，中心削波函數如圖1 所示，中心削波器的輸入如圖2 所示，中心削波器的輸出如圖3 所示。

圖1 中心削波函數

圖2 中心削波器的輸入

圖3 中心削波器的輸出

但是這種方法速度太慢，采用三電平中心削波方法，其函數為：

由于三電平中心削波后的信號取值只有-1、0 和1 三種情況，所以計算簡單，速度快，效率高，實驗仿真證明此方法對結果的影響很小。

2 車輛音頻信號時域特征提取仿真實驗

實驗分別對采樣頻率為30kHz 的卡車a、卡車b、轎車c 和轎車d 的音頻信號進行短時能量提取和基音周期的估計。

■2.1 短時能量提取

運用matlab 仿真，分別求出卡車a、卡車b、轎車c和轎車d 的短時能量，如圖4 所示。

圖4 卡車的短時能量圖

■2.2 車輛音頻信號的基音周期估計

采用自相關法對音頻信號進行基音周期估計。首先從車輛音頻信號中截取數據作為取樣，采樣出來的音頻進行分幀，計算每幀的點數，然后采用帶通濾波的方法或者中心削波的方法消除共振峰的影響，通過短時能量辨別出濁音段和清音段，最后通過選取濁音段，進行短時自相關函數的分析，取第一個峰值計算基音周期。

在本文中，假設車輛音頻信號也存在基音周期，對卡車a 進行基音周期的提取。將能量值大于1×10-3 的區間為濁音段，反之為清音段。經計算卡車a 濁音段為(0.7312s～0.9789s)，在這個區間上取采樣點(22221～22520)做自相關，如圖5 所示。卡車b 濁音段為(0.7218s～0.8912s)，在這個區間上取采樣點(22621～22920)做自相關，如圖6 所示。轎車c 濁音段為(0.7821s～0.8527s)，在這個區間上取采樣點(30001～30300)做自相關，如圖7 所示。轎車d 濁音段為(0.7411～0.8689)，在這個區間上取點(28001～28300)做自相關，如圖8 所示。

圖5 卡車a(22221～22520)的自相關函數

圖6 卡車b(22621～23120))的自相關函數

圖7 轎車c(30001～30300)的自相關函數

圖8 轎車d(28001～28300)的自相關函數

通過matlab 計算，圖5 的第一個峰值的位置在78上，圖6 第一個峰值的位置在62 上，圖7 第一個峰值的位置在24 上，圖8 第一個峰值的位置在18 上，信號的采樣頻率為30kHz，所以卡車a 的基音頻率為30kHz/78=384.615Hz，基音周期為2.6ms，卡車b 的基音頻率為30kHz/62=483.87Hz，基音周期為2.1ms。轎車c 的基因頻率為30kHz/24=1250Hz，基音周期為0.8ms，轎車d 的基因頻率為30kHz/18=1666.67Hz，基音周期為0.6ms。

3 結束語

文中首先對車輛信息檢測的方法進行了總結和對比，采用語音信號處理的理論和技術對車輛音頻信號進行初步的分析和研究，同時對車輛音頻信號的時域特征，短時能量、短時自相關分析以及基于自相關函數的基音周期估計做了闡述，重點對采用自相關法的車輛音頻信號進行基音周期估計的步驟進行了研究，同時采用三電平中心削波的方法來減少共振峰的影響，經過實驗仿真研究，文中對4 輛車的音頻信號進行短時能量提取和基音周期的估計。求取基音周期的過程中，利用哪一段數據進行自相關運算，不同的數據可能帶來不同的結果。