[发明专利]提供工作谱的方法和设备及对音调信号进行分类的方法

说明书

本发明涉及一种用于为被构造为对音调信号进行分类的机器学习算法提供工作谱（106）的方法，其中使用S形频率标度（100）从所读入的所述音调信号的输入谱（102）中变换出所述工作谱（106）。

技术领域

本发明涉及用于为被构造为对音调信号进行分类的机器学习算法提供工作谱的方法和设备，并且涉及特别是在车辆的处理器上对音调信号进行分类的方法。

背景技术

在也可以称为神经网络的机器学习算法中，可以分析音调信号以获得包含在所述音调信号中的信息。例如，使用对应训练或学习的神经网络，可以对说出的语言进行语言识别，并且可以输出说出的内容的文本。

例如，为了进行语言识别使用卷积神经网络（CNN）来进行语义解析和句子分类。在此，可以将所述音调信号的谱图作为输入参数提供给所述神经网络。

发明内容

在这种背景下，利用这里提出的方案提出了根据独立权利要求的一种用于为被构造为对音调信号进行分类的机器学习算法提供工作谱的方法，一种用于对音调信号进行分类的方法，一种对应的设备，最后是对应的计算机程序产品，以及一种机器可读存储介质。这里提出的方案的有利的扩展和改进从说明书中得出并且在从属权利要求中加以描述。

本发明的优点

本发明的实施例可以有利地使得可以提供为了在神经网络或机器学习算法中使用而设置的包含在音调信号中的具有提高的映射质量的信息。从而特别是可以改善对道路交通中的紧急信号和/或特殊信号的识别，特别是通过自主车辆的识别。

建议了一种用于为被构造为对音调信号进行分类的机器学习算法提供工作谱的方法，其中使用S形频率标度从所读入的所述音调信号的输入谱中来提供所述工作谱。

此外，建议了一种用于对音调信号进行分类的方法，其中使用谱分析来创建所述音调信号的输入谱，使用所述输入谱和所述S形频率标度为被构造为对所述音调信号进行分类的机器学习算法提供工作谱，并且使用所述工作谱和所述算法来提供所述算法的结果。

本发明的实施方式的思想尤其可以被认为是基于以下描述的思想和认识。

音调信号可以是电信号，并且可以映射噪声。所述音调信号例如可以使用特别是车辆的麦克风来予以检测。例如可以使用傅立叶分析从所述音调信号中导出所述噪声的包含在所述音调信号中的频率的频率谱。所述工作谱也可以是所述音调信号的功率谱或幅度谱。所述频率谱可以映射各个频率的强度或信号强度。所述强度可以通过灰度或色调表示。例如，可以将包含在所述噪声中的音调的频率映射为所述频率谱中的最大值。所述频率谱可以称为输入谱。

在这里提出的方案中，将所述输入谱用作使用S形频率标度进行的变换的输入变量。所述变换的输出变量可以称为工作谱，并用作所述机器学习算法的输入变量。特别地，作为算法可以使用神经网络或卷积神经网络（CNN）。所述输出谱可以是所述输入谱的经过变换的版本。

使用S形频率标度的变换可以使所述输入谱失真，使得在所述工作谱中突出显示所述输入谱的至少一个期望频率范围。在所述期望频率范围中可以包含要评估的信息。包含在所述输入谱中的信息可以基本上完全包含在所述工作谱中。

通过所述变换还可以将所述输入谱的分辨率适配于所述机器学习算法或所述神经网络的所需分辨率。为了降低分辨率，可以在所述工作谱的工作带中组合所述输入谱的频率。特别地，可以降低分辨率，其中所述工作谱包括的工作带比所述输入谱具有的频率更少。通过降低变换过程中的分辨率，可以减少所述输入谱的数据量。通过降低分辨率，可以丢弃包含在所述输入谱中的信息。

可以通过所述算法对所述音调信号中映射的噪声进行分类。通过所述分类可以将所述噪声分配给特定类别。该算法的结果可以表明所述噪声对该类别的归属性。所述结果也可以是所述归属性的概率。