基于MFCC与改进ACF的汽车声音识别算法研究

摘要：

汽车声音识别是汽车声源定位等研究的基础，对交通事故鉴定、犯罪举证和犯罪现场还原等具有重要意义。现有汽车声音识别算法存在算法复杂度高和识别率相对较低等问题。针对现行问题，将以梅尔倒谱系数( MFCC)特征与自相关函数(ACF)方差作为混合特征的汽车声音识别算法应用到汽车声音识别系统中。该算法使用高斯混合模型(GMM)进行汽车声音建模和识别，获得比MFCC特征及其一阶差分特征组成的混合特征更好的识别效果。并通过仿真实验证明了该算法的有效性。

关键词：汽车声音识别、梅尔倒谱系数、自相关函数、高斯混合模型

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金重点资助项目71331002;高等学校博士学科点专项科研基金资助项目20120111110027

在线出版日期：2015-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：140-143