[发明专利]一种基于音频特征融合的杂交神经网络车型识别方法

权利要求书

1.一种基于音频特征融合的杂交神经网络车型识别方法，其特征在于：该方法是采用如下步骤实现的：

步骤一：对待训练车型的音频信号进行随机破坏：从破坏后的车辆音频信号中随机选取80%的车辆音频信号，然后在选取的车辆音频信号上叠加环境噪声；然后，对叠加环境噪声后的车辆音频信号进行预处理，并对预处理后的车辆音频信号进行特征提取，然后将提取的特征首尾拼接为带有标签的融合特征；所述提取的特征包括：梅尔倒谱系数特征、音级轮廓特征、一阶差分系数、短时能量特征；

步骤二：构建杂交神经网络；

步骤三：将带有标签的融合特征输入到杂交神经网络中进行有监督训练，并采用牛顿动量下降法优化调整杂交神经网络的权重和偏置，由此完成杂交神经网络的训练；

步骤四：将待识别车型的车辆音频信号输入到训练好的杂交神经网络中，由此输出车辆音频信号对应的车型类别标签，从而实现车型识别。

2.根据权利要求1所述的一种基于音频特征融合的杂交神经网络车型识别方法，其特征在于：所述步骤一中，所述环境噪声是以20dB的信噪比叠加在车辆音频信号上的；所述预处理步骤包括：分帧、加窗；

所述梅尔倒谱系数特征的维数为40维，其提取步骤如下：对预处理后的车辆音频信号进行快速傅里叶变换，并将变换得到的频谱输入到梅尔滤波器组，然后对梅尔滤波器组的输出信号依次进行对数运算、离散余弦变换，由此得到40维的梅尔倒谱系数特征；

所述音级轮廓特征的维数、一阶差分系数的维数均为12维，其提取步骤如下：对预处理后的车辆音频信号进行常数Q变换，并将变换得到的频谱映射到12个不同的半音级上，然后将所有与某一特定音级相对应的频率值分量进行累加，由此得到12维的音级轮廓特征和12维的一阶差分系数；

所述短时能量特征的维数为1维，其提取步骤如下：对预处理后的车辆音频信号进行平方运算，由此得到1维的短时能量特征；

所述融合特征的维数为65维。

3.根据权利要求1所述的一种基于音频特征融合的杂交神经网络车型识别方法，其特征在于：所述步骤二中，所述杂交神经网络按照数据流向依次包括：卷积层I、卷积层II、批量标准化层I、一维最大池化层I、卷积层III、一维最大池化层II、丢失层I、长短时神经网络层、批量标准化层II、丢失层II、批量标准化层III、分类层；

所述卷积层I的参数如下：卷积窗口的长度为16，步长为1，通道数为64，输出保持与输入相同尺寸，激活函数采用ReLU；

所述卷积层II的参数如下：卷积窗口的长度为8，步长为1，通道数为64，输出保持与输入相同尺寸，激活函数采用ReLU；

所述批量标准化层I的参数如下：移动均值和移动方差的动量为0.99；

所述一维最大池化层I的参数如下：池化窗口大小为3，池化步长为3；

所述卷积层III的参数如下：卷积窗口的长度为2，步长为1，通道数为128，输出保持与输入相同尺寸，激活函数采用ReLU；

所述一维最大池化层II的参数如下：池化窗口大小为3，池化步长为3；

所述丢失层I的参数如下：输入丢失比例为0.5；

所述长短时神经网络层的参数如下：输出维数为32；

所述批量标准化层II的参数如下：移动均值和移动方差的动量为0.99；

所述丢失层II的参数如下：输入丢失比例为0.5；

所述批量标准化层III的参数如下：移动均值和移动方差的动量为0.99；

所述分类层的参数如下：输出维数为分类种类个数，采用softmax回归分类器进行分类。

4.根据权利要求1所述的一种基于音频特征融合的杂交神经网络车型识别方法，其特征在于：所述步骤三中，所述有监督训练是采用小批量梯度下降方法进行的；在一个训练周期中，样本数为100，迭代次数为150；在训练过程中，学习率衰减是采用牛顿动量下降法进行的：学习率的初始值设为0.001，每次参数更新后学习率的衰减值为0.0001，动量参数为1。

5.根据权利要求2所述的一种基于音频特征融合的杂交神经网络车型识别方法，其特征在于：分帧时，帧长为128，帧移为64；加窗时，窗长为128。