[发明专利]基于ACF和IACF的交通噪声自动识别方法

摘要

本发明公开了一种基于ACF和IACF的交通噪声自动识别方法，包括（1）对交通工具常态运行中产生的噪声进行采集；（2）把步骤（1）采集到的声音信号转换为数字信号，进行ACF和IACF函数计算分析，从而获得所有采样点的指标参量，包括：指标参量Φ(0)、指标参量τ₁和指标参量τ_IACC；（3）指标参量的特征提取，包括：指标参量Φ(0)的特征值P、指标参量Φ(0)的特征值s、指标参量τ₁的特征值R和指标参量τ_IACC的特征值Ct；（4）对声音信号进行分类识别。本发明解决用传统的声压级和频谱进行噪声测量存在的与人实际的听闻体验差距大、测量结果误差较大、获取的监测数据实时性、代表性较差的问题。

主权项

一种基于ACF和IACF的交通噪声自动识别方法，包括步骤：步骤一、对交通工具常态运行中产生的噪声进行采集；步骤二、把步骤一采集到的声音信号转换为数字信号，进行ACF和IACF函数计算分析，从而获得所有采样点的指标参量，包括：指标参量Φ(0)、指标参量τ₁和指标参量τ_IACC；步骤三、指标参量的特征提取，包括：指标参量Φ(0)的特征值P、指标参量Φ(0)的特征值s、指标参量τ₁的特征值R和指标参量τ_IACC的特征值Ct；步骤四、对声音信号进行分类识别：判断由步骤三提取的指标参量Φ(0)的特征值P、指标参量Φ(0)的特征值s、指标参量τ₁的特征值R和指标参量τ_IACC的特征值Ct，是否满足下述条件：条件1：指标参量Φ(0)的特征值P＜90%；条件2：指标参量Φ(0)的特征值s＞6；条件3：指标参量τ₁的特征值R＞8%；条件4：指标参量τ_IACC的特征值Ct＞7s；若同时满足上述4个条件中的2个以下，则判断采集到的声音信号为道路噪声；若同时满足上述4个条件中的3个以上，则判断采集到的声音信号为铁路噪声，并按照以下步骤继续判断该声音信号所属的铁路车型：4‑1、在指标参量Φ(0)的采样序列A=（A₁，A₂，…，A_i，…A_n）中，对全部n个Φ(0)值进行统计，找出其中前20个最大值，并计算这20个最大值的平均值4‑2、在指标参量Φ(0)的采样序列A=（A₁，A₂，…，A_i，…A_n）中寻找出多个序列段A1，A2，…，Ak，要求每个序列段内所有的Φ(0)值都≥对已选出的各个序列段（A1，A2，…，Ak）内包含的采样点个数进行统计，把包含采样点个数最多的序列段Am设为A_max，设该序列段Am对应的声音信号的时间为At；在指标参量Φ(0)采样序列A=（A₁，A₂，…，A_i，…A_n）中提取出多个序列段A'1，A'2，…，A'k，要求每个序列段内所有的Φ(0)值都≥对已选出的各个序列段（A'1，A'2，…，A'k）内包含的采样点个数进行统计，把包含采样点个数最多的序列段A'i设为A'_max，设该序列段A'i对应的声音信号的时间为At'；4‑3、若At'‑At＜15，则设若At'‑At≥15，则设t=At；若0＜t≤18s，则该声音信号为动车组的噪声；若18s＜t≤40s，则该声音信号为特快列车的噪声；若40s＜t≤60s，则该声音信号为普通快车的噪声；若60s＜t≤90s，则该声音信号为特快/普快列车的噪声；若90s＜t，则该声音信号为货车的噪声。