基于DTW与HMM证据融合的特种车鸣笛声识别方法

摘要：

本发明公开了一种基于DTW与HMM证据融合的特种车鸣笛声识别方法，包括以下步骤：步骤1：建立车辆鸣笛声样本库；步骤2：预处理步骤；步骤3：车辆鸣笛声特征参数提取及降维处理；步骤4：基于证据融合的特种车鸣笛声识别；分别采用DTW算法和HMM算法得到DTW识别结果和HMM识别结果；若DTW识别结果和HMM识别结果一致，则最终的识别结果与DTW识别结果或HMM识别结果保持一致；若DTW识别结果和HMM识别结果不一致，则进行DS证据理论的识别决策推理，决策输出最终的识别结果。该基于DTW与HMM证据融合的特种车鸣笛声识别方法采用融合识别技术，识别率高。

专利类型：发明专利

申请/专利号：CN201210546541.5

申请日期：2012-12-17

公开/公告号：CN103065627A

公开/公告日：2013-04-24

主分类号：G10L15/12(2006.01)I

申请/专利权人:中南大学

发明/设计人:余伶俐;蔡自兴;吴敏;唐琎;周开军;黄益绍;谭平

主申请人地址:410083 湖南省长沙市岳麓区麓山南路932号

专利代理机构:长沙市融智专利事务所 43114

代理人:黄美成

国别省市代码:湖南;43

权利要求：

一种基于DTW与HMM证据融合的特种车鸣笛声识别方法，其特征在于，包括以下步骤：步骤1：建立车辆鸣笛声样本库；车辆鸣笛声包括警车、消防车、救护车和普通汽车的鸣笛声；从现场采集车辆鸣笛声或从影视资料中截取车辆鸣笛声，形成车辆鸣笛声样本库；样本库中存储的内容均为音频信号；步骤2：预处理步骤；对当前采集的汽车鸣笛声进行预加重处理、分帧加窗处理，然后进行端点检测，以分解出汽车鸣笛声每个声段；步骤3：车辆鸣笛声特征参数提取及降维处理；提取经过预处理后的汽车鸣笛声中的特征参数，并对该特征参数进行降维处理；步骤4：基于证据融合的特种车鸣笛声识别；分别采用DTW算法和HMM算法得到DTW识别结果和HMM识别结果；若DTW识别结果和HMM识别结果一致，则最终的识别结果与DTW识别结果或HMM识别结果保持一致；若DTW识别结果和HMM识别结果不一致，则进行DS证据理论的识别决策推理，决策输出最终的识别结果。