一种用于城市交通的优化声音识别仿真

来源：计算机技术与发展杂志2019年第02期北京时间：

作者：郑皓;赵庶旭;屈睿涛

摘要：随着机动车违法鸣笛现象日益严重，汽车鸣笛声识别可以识别违法鸣笛车辆，并对该行为给出科学有力的证据，因此对城市交通治理有着重要意义。传统方法主要包含基于 GMM－HMM 的概率模型算法、支持向量机等。但其准确率较低，且过程麻烦，给交管部门进行人工复核造成了很大困难。针对此问题，以城市交通汽车鸣笛声识别为背景，结合深度信念网络(DBNs)强大的非线性建模和特征提取能力，提出了一种优化的声音识别方法。该方法采用汽车鸣笛声信号的梅尔频率倒谱系数(MFCC)以及其一二阶差分作为特征参数，用于 DBN 网络的输入，对样本数据进行建模并提取更深层的特征，最后加入 softmax 分类器来实现汽车鸣笛声信号的匹配和识别。该方法获得比 GMM－HMM 更好的识别效果。并通过仿真实验证明了该方法的有效性。

关键词：神经网络;深度信念网络;特征提取;梅尔频率倒谱系数;汽车鸣笛声识别