[发明专利]基于ACF和IACF的交通噪声自动识别方法

说明书

技术领域

本发明属于环境噪声监测领域，具体为对道路噪声、铁路噪声以及不同列车车型所造成的噪声的自动分析和识别方法。在本发明方法的基础上可以建立噪声自动监测系统用于环境噪声（特别是交通噪声）的自动识别和自动监测。

背景技术

环境噪声监测是城市噪声控制的基础和理论依据，它为噪声政策的制定和噪声控制提供了一线数据。长久以来，声压级（包括因为测量目的不同而采取的等效声压级、最大声压级和累积百分声级等）和频谱一直是噪声测量中与主观评价相对应的物理指标，同时它们也是噪声政策制定的参考标准。GB3096-2008《声环境质量标准》中规定：等效声级L_Aeq指在规定时间内A声级的能量平均值；最大声级L_Amax指在规定测量时间内或对某一独立噪声事件测得的A声级最大值；累积百分声级L_N，是用于评价测量时间段内噪声强度时间统计分布特征的指标，指占测量时间段一定比例的累积时间内A声级的最小值。常用的是噪声的平均峰值L₁₀、噪声的平均中值L₅₀和噪声的平均本底值L₉₀。

然而，声压级和频谱的噪声测量方法存在以下问题：

（1）声压级的测量不能完全代表人的主观听闻感觉，在噪声释放量一样的情况下，静止的声源和移动的声源对人的影响是不同的。本技术采用的测量分析方法更能与人的主观听觉相对应。实际上噪声作为一种声音信号应该是时间和空间两种特性的组合，在Y.Ando 的文章“A theory of primary sensations and spatial sensations measuring environmental noise”.Journal of Sound and Vibration,2001.3～18中进行了详细的描述。

（2）声压级测量只反应噪声源的噪声释放量或者接收点的噪声暴露量，并不能反应噪声源的种类。本技术提出的测量方法可以实现对声源的即时分析和对声源种类的判别，从而为环境噪声的自动监测提供核心基础。

（3）实现对声源种类的判别，就可以把要测量的噪声事件从背景噪声中完全剥离，使声音信号的保留和分析只集中在有噪声事件的这一阶段，从而节省了测量的人力和成本。

针对传统的用声压级和频谱进行噪声测量的方法及人工监测的方式存在上述不足，人们希望开发一种新的环境噪声测量方法克服现有技术的不足。

自相关函数（Auto-Correlation Function，简称ACF）能反映一个声音信号在时间上的重复特性，双耳自相关函数（Interaural Cross-correlation Function，简称IACF）能反映声音信号在空间上的特性。所以对噪声信号进行ACF和IACF分析，就可以将信号的单声道采集分析转变为双耳双声道信号分析。由此获得的噪声信号信息包含了时间和空间两个维度的内容，能更好地反映了噪声信号的特征，也更符合人的听觉感受。目前的研究已经陆续验证了用ACF和IACF分析来取代传统的声压级测量和简单的频谱分析不仅可以把握噪声信号和声音环境更准确的信息，也更符合人对噪声的主观感受和评价。H.Sakai在文章[Diagnostic system based on the human auditory-brain model for measuring environmental noise—an application to railway noise.Journal of Sound and Vibration,2002.]中采用双耳测量的方式对铁路噪声和飞机噪声进行采样，对得到的噪声样本进行ACF和IACF因子分析，发现Φ(0)与声压级密切相关，τ_IACC能够很好的描述声源的指向性。Kenji Fujii在文章[Acoustical properties of aircraft noise measured by temporal and spatial factors.Journal of Sound and Vibration,2001.69-78]中通过将双耳测量录制的飞机噪声、铁路噪声、道路噪声、生活噪声等制成实验刺激完成了一系列主观烦恼度实验，发现在同样的声压级状态下，ACF因子、音调和音色都可以有效地描述人的主观反应。

发明内容