[发明专利]一种汽车鸣笛智能检测方法

权利要求书

1.一种汽车鸣笛智能检测方法，其特征在于包括以下步骤：

第一步，用空气声呐传感器阵列接收声信号，第i个声传感器接收到的信号x_i(t)＝h_i(t)*s(t)+n_i(t)，i＝1，2，…，N，其中，h_i(t)是声源与第i个声传感器之间的环境冲激响应，s(t)代表原始信号，n_i(t)代表环境噪声；

第二步，对接收到的信号进行放大滤波并采样；

第三步，通过训练好的支持向量机来实现汽车鸣笛信号和环境噪声的分类；最优分类曲线y_i＝wx_i+b，i＝1...n，其中w为最优分类线斜率，b为最优分类线截距；此时的最优化分类问题转换为

式中，ξ_i表示一个具有弹性伸缩的松弛因子，C表示惩罚系数；

对接收信号进行分帧加窗处理，提取接收信号的以下五类声信号特征；

(1)子带能量其中Y(ω)表示接收信号的傅里叶变换，n、m分别表示关注频带的起始频率与截止频率；

(2)子带能量方差其中S_i表示恒定带宽的第i个子带的频域归一化能量；

(3)频带总峰度其中δ是样本数据的标准差，表示Y(ω)的均值；

(4)子带峰度均值其中K_i表示第i个子带的峰度；

(5)短时平均过零率其中w(n)是窗函数；

将汽车鸣笛声信号记为u_i＝1，环境噪声信号记为u_i＝-1，则有其中x_i为第三步中接收信号所对应的五个声信号特征组成的特征向量，w为最优分类线的斜率矩阵，b为最优分类线的偏置项；构造决策函数w使得u_i(wx_i+b)＞1成立；

计算训练样本x_i与超平面之间的欧式距离|u_iy_i|/||w||，所有的训练数据均满足|u_iy_i|/||w||≥δ，其中δ为间隔，同时令δ||w||＝1；则求解最优超平面就是找到满足上式的w的最小欧式范数，则转化为以下优化问题：

式中，ξ_i表示一个具有弹性伸缩的松弛因子，C表示惩罚系数；

取若干训练样本重复执行本步骤，通过超平面将训练样本分为有鸣笛声和环境噪声，得到训练好的支持向量机；

第四步，计算波束形成器的输出功率，通过机械扫描的方式改变信号入射角度θ找到输出功率谱峰值所对应的角度，估计出声源信号的方向；

第五步，通过波束形成定位来实现违法车辆的定位，然后通过高清摄像头进行违法车辆的抓拍取证。

2.根据权利要求1所述的汽车鸣笛智能检测方法，其特征在于：所述的第二步对采集的信号进行两级放大，第一级放大10倍，第二级放大的增益在1、2、5、10倍间调节。

3.根据权利要求1所述的汽车鸣笛智能检测方法，其特征在于：所述的松弛因子ξ_i在0到1范围内取值；惩罚系数C的取值为100或200。

4.根据权利要求1所述的汽车鸣笛智能检测方法，其特征在于：所述的第四步中波束形成输出端的功率谱P(θ)＝E[|y(t，θ)|²]＝w^H(θ)Rw(θ)，式中，t为时间，w为加权矩阵，阵元接收信号的协方差矩阵R＝E[X(t)X^H(t)]；对于N个声传感器组成的阵列，第k包快拍内接收数据矩阵假设快拍数为K，总协方差矩阵