分类封闭结构的窗口或入口的外部冲击的分类系统和方法
本公开的各实施例涉及分类封闭结构的窗口或入口的外部冲击的分类系统和方法。公开了用于对封闭结构的窗口或入口上的外部冲击进行分类的分类系统以及用于对封闭结构的窗口或入口上的外部冲击进行分类的方法。分类系统包括：麦克风；气压传感器；音频信号预处理器；压力信号预处理器；音频信号特征处理器；压力信号特征处理器；特征组合处理器；以及分类处理器，被配置为通过对音频特征和压力特征矢量进行分类来对窗口或入口上的外部冲击进行分类，从而产生分类输出；其中分类处理器被配置用于执行第一机器学习算法，其中音频特征和压力特征矢量被馈送到第一机器学习算法的输入层，并且其中分类输出基于第一机器学习算法的输出。
发明专利
CN202110074583.2
2021-01-20
CN113160851A
2021-07-23
G10L25/51(2013.01)
英飞凌科技股份有限公司
A·海茵茨;C·卡博内利
德国诺伊比贝尔格
北京市金杜律师事务所
黄倩
德国;DE
1.一种用于对封闭结构的窗口或入口上的外部冲击进行分类的分类系统，所述分类系统包括： 麦克风(2)，被配置为产生与所述封闭结构内的声音相对应的音频信号(AS)； 气压传感器(3)，被配置为产生与所述封闭结构内的空气压力相对应的压力信号(PS)； 音频信号预处理器(4)，被配置为从所述音频信号(AS)中导出经预处理的音频信号(PAS)； 压力信号预处理器(5)，被配置为从所述压力信号(PS)中导出经预处理的压力信号(PPS)； 音频信号特征处理器(6)，被配置为从所述经预处理的音频信号(PAS)中提取音频特征，以产生音频特征矢量(AFV)； 压力信号特征处理器(7)，被配置为从所述经预处理的压力信号(PPS)中提取压力特征，以产生压力特征矢量(PFV)； 特征组合处理器(8)，被配置为将所述音频特征矢量(AFV)和所述压力特征矢量(PVF)组合，以产生音频特征和压力特征矢量(APV)；以及 分类处理器(9)，被配置为通过对所述音频特征和压力特征矢量(APV)进行分类来对所述窗口或所述入口上的所述外部冲击进行分类，以产生分类输出(CO)； 其中所述分类处理器(9)被配置用于执行第一机器学习算法，其中所述音频特征和压力特征矢量(APV)被馈送到所述第一机器学习算法的输入层，并且其中所述分类输出(CO)是基于所述第一机器学习算法的输出。 2.根据前述权利要求所述的分类系统，其中所述音频信号预处理器(4)包括被配置为对所述音频信号(AS)进行归一化的音频信号归一化处理器(10)，和/或其中所述压力信号预处理器(5)包括被配置为对所述压力信号(PS)进行归一化的压力信号归一化处理器(11)。 3.根据前述权利要求中的一项所述的分类系统，其中所述音频信号预处理器(4)包括被配置为对所述音频信号(AS)进行滤波的音频信号滤波器，和/或其中所述压力信号预处理器(5)包括被配置为对所述压力信号(PS)进行滤波的压力信号滤波器。 4.根据前述权利要求中的一项所述的分类系统，其中所述音频信号预处理器(4)包括被配置为从所述音频信号(AS)中去除离群值的音频信号离群值去除处理器，和/或其中所述压力信号预处理器(5)包括被配置为从所述压力信号(PS)中去除离群值的压力信号离群值去除处理器。 5.根据前述权利要求中的一项所述的分类系统，其中所述音频信号预处理器(4)包括被配置为提供所述经预处理的音频信号(PAS)作为二维预处理音频信号时频图的音频信号转换处理器(12)，和/或其中所述压力信号预处理器(5)包括被配置为提供所述经预处理的压力信号(PPS)作为二维预处理压力信号时频图的压力信号转换处理器(27)。 6.根据前述权利要求中的一项所述的分类系统，其中所述音频信号特征处理器(6)被配置用于通过使用一个或多个第一显式公式来计算所述音频特征矢量(AFV)的至少第一部分，和/或其中所述压力信号特征处理器(7)被配置用于通过使用一个或多个第二显式公式来计算所述压力特征矢量(PFV)的至少第一部分。 7.根据前述权利要求中的一项所述的分类系统，其中所述第一机器学习算法被实现为第一人工神经网络(13)，其中所述分类处理器(9)包括柔性最大值传输函数处理器(14)，所述柔性最大值传输函数处理器(14)被布置在所述第一人工神经网络(13)的输出侧处并且所述第一人工神经网络(13)的输出侧输出所述分类输出(CO)。 8.根据前述权利要求所述的分类系统，其中所述第一人工神经网络(13)包括至少一个第一卷积处理器(22)。 9.根据权利要求7或8所述的分类系统，其中所述第一人工神经网络(13)包括至少一个第一卷积批量归一化处理器(23)。 10.根据权利要求7至9中的一项所述的分类系统，其中所述第一人工神经网络(13)包括至少一个第一整流线性单元处理器(24)。 11.根据权利要求7至10中的一项所述的分类系统，其中所述分类处理器(9)包括至少一个第一池化层处理器(25)，所述至少一个第一池化层处理器(25)被布置在所述第一人工神经网络(13)的所述输出侧处。 12.根据权利要求7至11中的一项所述的分类系统，其中所述分类处理器(9)包括至少一个第二整流线性单元处理器(26)，所述至少一个第二整流线性单元处理器(26)被布置在所述第一人工神经网络(13)的所述输出侧处。 13.根据前述权利要求中的一项所述的分类系统，其中所述音频信号特征处理器(4)被配置用于执行第二机器学习算法，其中所述音频特征矢量(AFV)的至少第二部分被提供在所述第二机器学习算法的输出层处，和/或其中所述压力信号特征处理器(6)被配置为执行第三机器学习算法，其中所述压力特征矢量(PFV)的至少第二部分被提供在所述第三机器学习算法的输出层处。 14.根据前述权利要求所述的分类系统，其中所述第二机器学习算法被实现为第二人工神经网络(15)，和/或其中所述第三机器学习算法被实现为第三人工神经网络(21)。 15.根据前述权利要求所述的分类系统，其中所述第二人工神经网络(15)包括至少一个第二卷积处理器(16)，和/或所述第三人工神经网络(21)包括至少一个第三卷积处理器。 16.根据权利要求14或15所述的分类系统，其中所述第二人工神经网络(15)包括至少一个第二卷积批量归一化处理器(17)，和/或其中所述第三人工神经网络(21)包括至少一个第三卷积批量归一化处理器。 17.根据权利要求14至16中的一项所述的分类系统，其中所述音频信号特征处理器(6)在所述第二人工神经网络(15)的输出侧处包括至少一个第二池化层处理器(18)，和/或其中所述压力信号特征处理器(7)在所述第三人工神经网络(21)的输出侧处包括至少一个第三池化层处理器。 18.根据权利要求14至16中的一项所述的分类系统，其中所述音频信号特征处理器(6)在所述第二人工神经网络(15)的输出侧处包括至少一个第三整流线性单元处理器(19)，和/或其中所述压力信号特征处理器(7)在所述第三人工神经网络(21)的输出侧处包括至少一个第四整流线性单元处理器。 19.根据权利要求14至16中的一项所述的分类系统，其中所述音频信号特征处理器(6)在所述第二人工神经网络(15)的输出侧处包括至少一个第四卷积处理器(20)，和/或其中所述压力信号特征处理器(7)在所述第三人工神经网络(21)的输出侧处包括至少一个第五卷积处理器。 20.根据前述权利要求中的一项所述的分类系统，其中所述特征组合处理器(8)被配置为用于通过产生所述音频特征矢量(AFV)与所述压力特征矢量(PFV)的级联、或总和、或元素乘法来产生所述音频特征和压力特征矢量(APV)。 21.根据前述权利要求中的一项所述的分类系统，其中所述特征组合处理器(8)被配置为用于通过产生所述音频特征矢量(AFV)与所述压力特征矢量(PVF)的加权级联、或加权总和、或加权元素乘法来产生所述音频特征和压力特征矢量(APV)，其中通过权重计算处理器(28)，针对所述音频特征矢量(AFV)的权重(AFW)和针对所述压力特征矢量(PFV)的权重(PFW)根据所述音频特征矢量(AFV)和/或所述压力特征矢量(PFV)来确定。 22.根据权利要求7至20中的一项所述的分类系统，其中所述特征组合处理器(8)被配置为用于通过产生所述音频特征矢量(AFV)与所述压力特征矢量(PVF)的加权级联、或加权总和、或加权元素乘法来产生所述音频特征和压力特征矢量(APV)，其中通过权重计算处理器(28)，针对所述音频特征矢量(AFV)的权重(AFW)和针对所述压力特征矢量(PFV)的权重(PFW)根据所述第一人工神经网络(13)的隐藏状态(HS)来确定。 23.根据前述权利要求中的一项所述的分类系统，其中所述特征组合处理器(8)被配置为在产生所述音频特征和压力特征矢量(APV)之前，将第一偏移矢量添加到所述音频特征矢量(AFV)和/或将第二偏移矢量添加到所述压力特征矢量(PFV)，其中所述第一偏移矢量和/或所述第二偏移矢量根据所述音频特征矢量(AFV)和/或所述压力特征矢量(PFV)来确定。 24.根据权利要求7至21中的一项所述的分类系统，其中所述特征组合处理器(8)被配置为在产生所述音频特征和压力特征矢量(APV)之前，将第一偏移矢量添加到所述音频特征矢量(AFV)和/或将第二偏移矢量添加到所述压力特征矢量(PFV)，其中所述第一偏移矢量和/或所述第二偏移矢量根据所述第一人工神经网络(13)的隐藏状态(HS)来确定。 25.一种用于对封闭结构的窗口或入口上的外部冲击进行分类的方法，所述方法包括以下步骤： 通过使用麦克风(2)，产生与所述封闭结构内的声音相对应的音频信号(AS)； 通过使用气压传感器(3)，产生与所述封闭结构内的空气压力相对应的压力信号(PS)； 通过使用音频信号预处理器(4)，从所述音频信号(AS)中导出经预处理的音频信号(PAS)； 通过使用压力信号预处理器(5)，从所述压力信号(PS)中导出经预处理的压力信号(PPS)； 通过使用音频信号特征处理器(6)，从所述经预处理的音频信号(PAS)中提取音频特征，以产生音频特征矢量(AFV)； 通过使用压力信号特征处理器(7)，从所述经预处理的压力信号(PPS)中提取压力特征，以产生压力特征矢量(PFV)； 通过使用特征组合处理器(8)，将所述音频特征矢量(AFV)和所述压力特征矢量(PFV)组合，以产生音频特征和压力特征矢量(APV)；以及 通过使用分类处理器(9)，对所述音频特征和压力特征矢量(APV)进行分类，从而对所述窗口或所述入口上的所述外部冲击进行分类，以产生分类输出(CO)； 其中所述分类处理器(9)执行第一机器学习算法，其中所述音频特征和压力特征矢量(APV)被馈送到所述第一机器学习算法的输入层，并且其中所述分类输出(CO)基于所述第一机器学习算法的输出。