車輛音頻信號的處理與分析

何穎　林智慧　張娓娓　張星陽

摘要：交通運輸系統智能化發展越來越重要，其關鍵在于車輛的檢測與識別。針對車輛視頻信號的檢測受外界環境的影響很大，又價格昂貴。提出車輛音頻信號的檢測，利用傳感器采集車輛音頻信號，運用小波和陣列信號對音頻信號進行分析處理。實驗仿真證明，處理效果良好。

關鍵詞：車輛音頻信號;小波分析; 傳感器陣列

中圖分類號：G642.0? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）03-0197-02

隨著交通運輸的蓬勃發展，作為交通運輸主要組成部分的車輛越來越受到人們的重視。目前，研究車輛的主要方法是在主要交通路線上安裝電視錄像機[1，2]，同時還有其他方法，如電池感應線圈檢測方法技術成熟，價格合理，但是對路面會損壞，車輛識別也差;脈沖超聲波檢測設備簡單，性能良好，車輛識別效果好，但受環境影響大，檢測距離有限;紅外線檢測方法適用于白天和黑夜，受天氣影響大，車輛識別效果不是很好;微波雷達檢測方法適應于多區域檢測，但價格較貴，性能一般，車輛識別較差;視頻檢測方法成本高，又由于車輛種類繁多，又沒有統一的標準，所以視頻識別的精度不是很好，又受外部環境的影響很大，同時埋地線圈對既有道路具有破壞作用，易受環境影響，造成路面變形。

車輛音頻信號可以反映車輛的許多特征信息，但目前對車輛音頻信號的研究很少。車輛聲音實際就是車輛的噪聲，包括發動機噪聲、輪胎噪聲以及車體運動引起的氣流噪聲。與語音信號相比，車輛音頻信號的振動源是分散的，但兩者都以介質振動的形式存在，有很多相似的特性[3]，因此，本文運用語音信號處理的理論和技術對車輛語音信號進行分析和研究。

1車輛音頻信號采集

車輛音頻信號主要因素有天氣及環境的影響以及采樣頻率的選擇，采樣頻率過低，精度不高，有效信息獲取就會不全面;采用頻率過高，則有可能產生較大的誤差。為了獲取的信號全面而且誤差較小，選取交通流小且較安靜的公路采集信號，本文在二級公路上對車輛音頻信號進行了四次采集。數據采集結構示意圖如圖1所示。

2 車輛音頻信號處理

2.1 信號加窗

窗函數不僅有截斷作用，而且能夠起到平滑的作用[4]。主瓣寬度較窄時，通帶和阻帶的波動增大;選擇較小的旁瓣幅度時，過渡帶會變寬。漢寧窗、海明窗、凱賽窗三個窗的旁瓣峰值幅度分別為-31 dB、-41 dB、-57 dB，過渡帶寬度分別為8π/N、8π/N、10π/N，阻帶最小衰減分別為-44 dB、-53 dB、-80 dB。其中，凱賽窗是一種參數可調的窗函數，主瓣寬度與旁瓣寬度之比可以調節，效果更好。

2.2 小波降噪

傳感器采集的車輛音頻信號屬于隨機噪聲，所以應該對信號進行降噪處理。

文中采用小波降噪方法。小波變換是時間頻率的局部化分析，它通過伸縮平移運算對信號逐步進行多尺度細化，最終達到高頻處細分，低頻處頻率細分，能自動適應時頻信號分析的要求，聚焦到信號的任意細節。小波降噪包括三個基本步驟 [5]：

（1）對原始信號進行小波分解，得到各細節分量（高頻）與近似分量（低頻）。

（2） 設定各層細節的閾值。

（3） 重構信號。利用第N層的近似部分小波系數和第1層到第N層經過處理的各細節小波系數重構信號。

2.3 信號合成

車輛的音頻信號屬于寬帶信號，傳統的波達角（DOA，Direction of Arrival）估計方法都針對窄帶信號，不能直接應用在超寬帶場合[6]。假設[D]個寬帶源信號分別以不同的方向輻射到[M]元寬帶傳感器陣列，源信號為遠場平面波，并具有相同帶寬及中心頻率[f0]，附加寬帶噪聲與源信號互相獨立并具有已知譜密度矩陣（[σ2]可以未知），對陣列輸出向量[x（t）]采樣后進行離散傅氏變換可將其分解為[J]個互不重疊的窄帶部分[7，8]。

2.4 信號歸一化

歸一化的作用是歸納統一樣本的統計分布性。歸一化就是把需要處理的音頻信號經過處理后限制在一定的范圍內，為了后期數據處理時更加方便，同時也保證程序運行時收斂加快。對車輛噪聲信號進行濾波、合成，還要進行歸一化。本文中，將車輛噪聲信號的能量歸一化在了-1到+1之間。

3 仿真實驗與結果

3.1 車輛音頻信號的加窗與去噪

首先對采集到的車輛音頻信號進行加窗、去噪。文中實驗展示了一輛轎車的各通道音頻信號的處理過程。四個傳感器分別采集到的車輛音頻信號如圖2所示，各通道信號加凱賽窗后的信號如圖3所示，加窗且小波去噪的信號如圖4所示。

3.2 車輛音頻信號的合成與歸一化

對轎車進行車輛音頻信號的合成與歸一化。首先利用寬帶信號的波達角計算方法，計算出信號的波達角，在圖5中的信號的music譜圖中可以看出信號的波達角，利用已經獲得的波達角，求出[a（θ）]，然后運用波束形成器的最佳權向量的知識，對小波去噪后信號去均值，求方差得到[R]，通過公式（6）計算出?，將[a（θ）]、[R]和?代入公式（5）求出最佳權向量，即可對信號進行合成，合成后的波形如圖6所示。圖7為車輛音頻信號進行歸一化之后的波形。

將原始信號和預處理過的信號轉成聲音文件，從聽覺上感受一下各種車型經過了加窗、去噪及加權合成后的效果。經過對車輛進行測試，處理效果良好。

4 結束語

本文采用語音信號處理的理論和技術對車輛音頻信號進行研究。文中首先利用多傳感器線性陣列采集車輛音頻信號，簡單描述了信號加窗、小波降噪、寬帶信號的波達角估計等問題，應用這些理論對信號進行了加窗、小波去噪和信號合成，最后為了消除在信號采集過程中車輛距離、路況、油量等的影響，對信號進行了歸一化。經過對車輛進行現場試驗測試，處理效果良好。

參考文獻

[1] 劉靈，李天平.基于改進SIFT算法的汽車車型自動識別[J].山東師范大學學報（自然科學版），2017，32（1）：75-79.

[2] 張紅兵，李海林，黃曉婷，等.基于車前臉HOG特征的車型識別方法研究與實現[J].計算機仿真，2015，32（12）：119-123.

[3] 趙宏旭，張一聞，楊文帥.基于支持向量機的混合車輛音頻信號的車型識別研究[J].激光雜志，2018，39（9）：133-137.

[4] 張勝利，李偉.基于窗函數與FFT算法的信號諧波分析[J].工業控制計算機，2019，32（5）：35-36+38.

[5] 季景方，閆先朝，寇滿.小波方法在信號降噪處理中的應用[J].汽車實用技術，2018（07）：31-33.

[6] 魏建，孫祥娥.基于窄帶信號抽樣的信號高效傳輸[J].現代電子技術，2017，40（17）：64-66.

[7] 曾耀平，楊益新，盧光躍，等.無須聚焦的寬帶相干信號快速DOA估計算法[J].微處理機，2015，36（2）：60-63，69.

[8] 曾耀平，楊益新，盧光躍.寬帶混合信號的快速DOA估計算法[J].計算機應用研究，2015，32（01）：179-182，186.

【通聯編輯：朱寶貴】