[发明专利]一种基于卷积神经网络的汽车鸣笛识别方法在审
| 申请号： | 201910378725.7 | 申请日： | 2019-05-08 |
| 公开（公告）号： | CN110136745A | 公开（公告）日： | 2019-08-16 |
| 发明（设计）人： | 陈建峰;白吉生;项彬 | 申请（专利权）人： | 西北工业大学;西安联丰迅声信息科技有限责任公司 |
| 主分类号： | G10L25/30 | 分类号： | G10L25/30;G06N3/08;G06N3/04;G06K9/62 |
| 代理公司： | 西北工业大学专利中心 61204 | 代理人： | 顾潮琪 |
| 地址： | 710072 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于卷积神经网络的汽车鸣笛识别方法，通过空气声呐传感器接收空气中的声音信号，采集大量汽车鸣笛声音和环境背景噪声，通过短时傅里叶变换产生声音信号的声谱图，将变换后的声谱图矩阵分为训练集和验证集输入卷积神经网络进行训练，结合卷积神经网络参数调整，使得基于训练集和验证集的效果达到最佳。最终将待识别声音输入卷积神经网络给出判别结果。本发明将人工智能技术应用在了智能交通领域，能够准确识别马路上的鸣笛声音。 | ||
| 搜索关键词： | 卷积神经网络 鸣笛 声谱图 训练集 验证集 短时傅里叶变换 矩阵 汽车 环境背景噪声 人工智能技术 智能交通领域 参数调整 判别结果 传感器 采集 马路 应用 | ||
【主权项】：
1.一种基于卷积神经网络的汽车鸣笛识别方法，其特征在于包括以下步骤：第一步，采用空气声呐传感器接收多径环境下的声源信号；第二步，对采集到的声源信号进行高通滤波；第三步，对高通滤波后的信号进行短时傅里叶变换；第四步，将第三步处理后得到的数据划分为训练集、验证集和测试集；第五步，构建卷积神经网络并进行训练优化；第六步，将测试集中的数据输入优化后的卷积神经网络，得到识别结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西北工业大学;西安联丰迅声信息科技有限责任公司，未经西北工业大学;西安联丰迅声信息科技有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910378725.7/，转载请声明来源钻瓜专利网。
