基于MP 和ARM的发动机声音识别

基于MP 和ARM的发动机声音识别

姜 愉 钦州学院数学与计算机科学学院 广西钦州 535000 中国论文网{R5d,ZThc.g

基金项目：钦州学院青年基金项目（基于MatchingPursuits 算法的机车声音识别研究）2013XJKY-52Q 中国论文网*h/}Fq4eF;a(z'?

【文章摘要】 中国论文网0u_e*q a8VL'bs _

随着人民生活水平的提高，汽车普及率越来越高，智能交通的要求也越来越高。发动机声音识别对于机车识别具备较高的参考价值，基于嵌入式的发动机声音识别系统体积小移动方便，适合收费站、停车场、事故高发路段使用，尤其在大雾阴雨天气时，相对于视频设备受雨雾影响较大的缺点，发动机声音识别系统可较好的实现雨雾天气识别。本文结合发动机声音的特点，通过与MFCC 等特征参数进行仿真实验对比，选择采用发动机声音的MP 稀疏分解方法，采用Gabor 原子对声音信号的分解及重构后发现重构后的信号能较好的反映了原声音信号的特征，因此本文选用Gabor 原子做为识别特征。本实验在matlab 仿真模拟的基础上，编写相应的C 程序，下载到ＡＲＭ版中进行实时识别，识别效果较好，有较好的实用价值及参考价值。中国论文网!c,JCRi;d

【关键词】中国论文网%q5Z:b3D*[)Z-I

MP 稀疏分解；BP ；嵌入式

中图分类号：TN911 文献标识码：A

0 引言

随着智能交通的发展，机车识别对于交通事故认定、停车场及高速公路自动收费、交通管制等都有着重要的意义。本文针对发动机声音的特点，在matlab 理论仿真研究的基础上，采用ARM9 芯片和嵌入式Linux 系统实现发动机声音的实时识别，识别准确率较高，具有较好的参考价值。中国论文网T^D%|-@v9?7W

1 发动机识别仿真理研究中国论文网2g)dr~ vO1t!T

1.1 声音预处理及声音标本选取中国论文网rK.K'x%GN+H~

本研究所用声音样本为高速公路收费站附近平稳车辆声音作为测试识别样本，雨天声音多为中雨天气机车声音。中国论文网 S&|]+Xq/IIT

发动机声音采集后经预处理：采样、模数转换、分帧、加窗、端点检测。本文中采样频率采用16KHZ，量化精度为16 位。由于发动机声音信号相对平稳，帧长选择2048 点，帧移采用600 点。本系统采用哈明窗，端点检测采用双门限法，即通过过零率和短时能量进行检测。

1.2 特征参数选取中国论文网j0H pM0J3r6}-YCp;L

本实验采用MP（MatchingPursuits）稀疏分解方法做为特征识别方法，MP 稀疏分解方法通过发动机声音信号在过完备库中的分解，用来表示信号的基会根据信号的特点进行自适应选取，分解所得的信号的表示方法，基被称为信号稀疏分解表示。信号稀疏分解后所得原子可有效的反应信号特征，信号稀疏分解方法已被应用到信号去噪、信号识别等很多方面。

MP 稀疏分解方法即采用迭代的方法，不断跌出与待分解信号最为匹配的原子，对于信号的残余继续采用迭代的方法迭出最为匹配的原子，最终完成采用少数的原子就可以表示信号的主要成分。

其中为分解所得的时频原子，为分解的原子个数， 为分解系数， 为残余信号。

本实验采用Gabor 原子进行分解重构，采用时频原子中的时频参数作为特征参数。采用时频参数作为特征参数与声音识别中常用的Mel 频率倒谱系数等特征参数进行对比，发现信号Gabor 分解后的时频参数作为特征参数识别效果更好，更能反映发动机声音相对平稳的特征。

1.3 识别方法选取中国论文网9Uf`@oPS:Z+QY/ksq:^

由于本实验所研究发动机声音信号频率相对平稳，采用BP 神经网络模型可有效的进行识别，BP 识别模型也称误差反向传播模型，本实验采用BP（Back Propagation）神经网络模型做为训练识别模型，采用三层网络，即输入层、隐含层、输出层，经实验选择输入层为20 个，即声音分解为20 个原子作为输入，隐含层70 个，输出层4 个，分别代表小汽车（1，0，0， 0），面包车（0，1，0，0），公交车（0，0，1，0）， 重型汽车（0，0，0，1）。经试验选择动量因子为0.9，学习速率为0.08。

1.4 雨中和非雨中识别仿真分析中国论文网6P)sOk"O!ObD's

本实验首先在matlab 中进行仿真， 实验所用数据源为高速公路收费站附近车速相对较慢机车声音，在天气晴朗情况下小汽车、面包车、公交车、重型汽车声音各采集400 个。在下雨情况下四类机车声音各采集400 个，由于雨天采集到的发动机声音接近于发动机本身信号与雨声的叠加，并且与天气情况是的识别结果又明显不同，因此雨天应单独采用模型进行识别。由于雨天时时频监控设备受雨雾等影响较大，因此阴雨情况下发动机声音识别系统可以更好的为车辆识别，智能交通服务。

根据实验结果看出，针对不同天气采用不同的识别模型可以很好的完成发动机声音的识别，识别效果较好。由于雨天相当于发动机声音与雨声的叠加，不同种类机车同时叠加了同样的雨声信号，不同机车的独立性收到一定影响，雨天识别结果略低于晴天。

2 ARM 相关硬件平台实现中国论文网'L]+o5]^^I

2.1 识别系统硬件原理

考虑整个系统对实时性的要求，以及识别所用网络采用仿真时获得的网络参数，所以对硬件要求并非很高。本系统实验采用FS2410 开发板进行实现，FS2410 核心为三星的一款基于ARM920T 内核﹑主频203MHz ﹑16/32 位的精简指令集计算机（RISC）嵌入式微处理器，内部包含8 通道的10 位AD 控制器、UDA1341TS 作为音频芯片用于采集声音信号，可满足整个系统实时识别需要。系统硬件结构如图1 所示。