基于基頻的梅爾倒譜系數(shù)在車輛識(shí)別中的應(yīng)用

李成娟，易 強(qiáng)，李寶清，王國(guó)輝

(1.中國(guó)科學(xué)院 上海微系統(tǒng)與信息技術(shù)研究所 微系統(tǒng)技術(shù)重點(diǎn)實(shí)驗(yàn)室，上海 201800； 2.中國(guó)科學(xué)院大學(xué)，北京 100049)

無(wú)線傳感器網(wǎng)絡(luò)憑借其通信能力強(qiáng)大、記錄信息全面、無(wú)需人工值守等優(yōu)點(diǎn)，廣泛應(yīng)用于軍事、農(nóng)業(yè)、商業(yè)等各個(gè)領(lǐng)域[1-2]。無(wú)線傳感器網(wǎng)絡(luò)通常由圖像、聲音、紅外、震動(dòng)傳感器等幾種類型的傳感器構(gòu)成[3]。聲音傳感器有不易被察覺、便于布設(shè)、不易受地形影響的優(yōu)點(diǎn)，被廣泛使用。

根據(jù)車輛行進(jìn)過程中采集的聲音信號(hào)，對(duì)野外車輛目標(biāo)進(jìn)行識(shí)別，一般分為2個(gè)步驟：1)提取聲音傳感器采集的聲信號(hào)特征；2)設(shè)計(jì)分類器得到判別結(jié)果。目前常用的特征有基于小波包變換提取的特征，線性預(yù)測(cè)倒譜系數(shù)[4]，梅爾倒譜系數(shù)(MFCC, mel-frequency cepstral coefficient)[5]，基于經(jīng)驗(yàn)?zāi)B(tài)分解提取的特征[6-7]等。其中，MFCC較常見，被廣泛用于語(yǔ)種識(shí)別、說(shuō)話人識(shí)別、聲紋識(shí)別等領(lǐng)域，近年來(lái)被成功應(yīng)用于車輛目標(biāo)分類識(shí)別[8-10]。但由于MFCC對(duì)噪聲敏感[11-13]，在車輛識(shí)別領(lǐng)域的應(yīng)用場(chǎng)景受限。

為提高特征抗噪能力，增強(qiáng)特征穩(wěn)健性，能夠體現(xiàn)野外車輛信號(hào)自身特征，提出一種改進(jìn)的MFCC特征。根據(jù)車輛目標(biāo)信號(hào)的頻譜特征，自適應(yīng)增加車輛基頻信息在特征中的比重。然后進(jìn)行F比加權(quán)，以降低同種車輛類別特征間的區(qū)分度，增大不同車輛類別特征之間的差別，從而提高特征在野外環(huán)境下的魯棒性。使用高斯混合模型(GMM, gaussian mixture model)作為分類器，檢驗(yàn)識(shí)別效果。提取傳統(tǒng)MFCC特征，基頻自適應(yīng)MFCC特征，加權(quán)基頻自適應(yīng)MFCC特征作對(duì)比試驗(yàn)，期望獲得更高的識(shí)別準(zhǔn)確率，為野外環(huán)境的車輛識(shí)別，提供一種魯棒特征提取方法?！?br>