[发明专利]基于深度聚类的车辆鸣笛声分类方法及系统

说明书

本发明公开了一种基于深度聚类的车辆鸣笛声分类方法及系统，方法包括：实测交通声音信号数据，并从交通声音信号数据中截取若干单声源车辆鸣笛声信号；基于若干单声源车辆鸣笛声信号，获取混合车辆鸣笛声信号的时频单元矩阵以及该矩阵对应的声源标识矩阵；利用时频单元矩阵以及该矩阵对应的声源标识矩阵优化LSTM神经网络；获取单声源车辆鸣笛声信号的MFCC系数；基于MFCC系数优化BP神经网络；利用优化后的LSTM神经网络和BP神经网络对待分类的混合车辆鸣笛声信号进行分类。系统用于实现上述方法。本发明可以有效地对来自不同车辆的单声源鸣笛声和混合鸣笛声进行分类，且分类结果准确，性能优良。

技术领域

本发明属于非语音识别技术领域，特别涉及一种基于深度聚类的车辆鸣笛声分类方法及系统。

背景技术

交通鸣笛声是城市交通环境中常见的一类噪声，是城市噪声的主要来源之一，随着中国经济与社会的持续快速发展，交通鸣笛声污染这一问题越来越严重，控制交通鸣笛声的噪声水平势在必行。以往整治违法交通鸣笛声的方式主要是人工辨别，这一方式会消耗大量的人力物力，而且效果往往不够理想。加上道路环境复杂，交通管理人员执法难度大，因此智能化的违法车辆鸣笛声分类识别方法具有重大意义。

虽然目前已经出现了一些针对交通鸣笛声分类的方法，但是这些方法只能完成对单声源交通鸣笛声的分类。在真实道路环境下，经常出现多辆车同时鸣笛的情况，现有的交通鸣笛声分类方法对这种情况下产生的交通鸣笛声无能为力，因此，迫切需要新的方法实现针对由多辆车同时鸣笛产生的混合交通鸣笛声的分类。

发明内容

本发明的目的在于提供一种能实现车辆鸣笛声有效、准确分类的分类方法及系统。

实现本发明目的的技术解决方案为：一种基于深度聚类的车辆鸣笛声分类方法，包括以下步骤：

步骤1、实测交通声音信号数据，并从所述交通声音信号数据中截取若干单声源车辆鸣笛声信号；

步骤2、基于所述若干单声源车辆鸣笛声信号，获取混合车辆鸣笛声信号的时频单元矩阵以及该矩阵对应的声源标识矩阵；

步骤3、利用所述时频单元矩阵以及该矩阵对应的声源标识矩阵优化LSTM神经网络；

步骤4、获取所述单声源车辆鸣笛声信号的MFCC系数；

步骤5、基于MFCC系数优化BP神经网络；

步骤6、利用所述优化后的LSTM神经网络和BP神经网络对待分类的混合车辆鸣笛声信号进行分类。

一种基于深度聚类的车辆鸣笛声分类系统，包括：

单声源车辆鸣笛声信号采集模块，用于实测交通声音信号数据，并从所述交通声音信号数据中截取若干单声源车辆鸣笛声信号；

第一特征提取模块，用于基于所述若干单声源车辆鸣笛声信号，获取混合车辆鸣笛声信号的时频单元矩阵以及该矩阵对应的声源标识矩阵；

第一神经网络优化模块，用于利用所述时频单元矩阵以及该矩阵对应的声源标识矩阵优化LSTM神经网络；

第二特征提取模块，用于获取所述单声源车辆鸣笛声信号的MFCC系数；

第二神经网络优化模块，用于基于MFCC系数优化BP神经网络；

分类模块，用于利用所述优化后的LSTM神经网络和BP神经网络对待分类的混合车辆鸣笛声信号进行分类。

本发明与现有技术相比，其显著优点为：1)解决了现有交通鸣笛声分类方法只能对单声源交通鸣笛声分类的局限性，可针对混合车辆鸣笛声信号和单声源车辆鸣笛声信号进行分类，适用范围广；2)仅依赖于输入数据样本和误差反向传播算法，即使得前几层网络调整为适用于分类的网络模型；3)限制条件少，可以在各类条件下实现交通鸣笛声分类；4)分类结果准确，性能优良。