车辆音频信号的时域特征方法分析研究

何颖，边倩，张宝琪

（西安思源学院，陕西西安，710038）

0 引言

随着人民生活水平的提高，汽车在人们的经济生活中占有重要的社会地位。目前，研究车辆信息检测的方法主要有电池感应线圈检测方法、红外线检测方法、脉冲超声波检测方法、微波雷达检测方法、视频检测方法、音频车辆检测方法等。电池感应线圈检测方法对路面会有损坏，识别车辆效果不佳；红外线检测方法受天气影响大，车辆识别效果不是很好；脉冲超声波检测方法设备简单，但这种方法检测距离有限；微波雷达检测方法适应于多区域检测，但价格较贵，性能一般，车辆识别较差；视频检测方法一般是应用图像处理技术较多，成本高，受外部环境的影响很大；音频车辆检测方法是运用信号处理技术、模式识别等先进技术对音频信号进行分析处理。

车辆音频信号可以反映车辆的许多特征信息，车辆音频信号包括发动机噪声、轮胎噪声以及车体运动引起的气流噪声等[1,2]。语音信号是随时间变化的非平稳随机过程，因此对于语音的分析一般都是短时分析。这是因为语音虽然是时变的但是具有短时相关性，这个相关性来源于人的发生器官具有惯性，因此语音的状态是不会发生突变，语音在短时间内语音信号的特性基本不变，称之为语音的短时平稳性。语音信号本身是时域信号，对其进行分析时，最直观的方法就是观察其时域波形[3]。

运用语音信号处理的理论和技术对车辆语音信号进行初步的分析和研究，首先利用多传感器线性阵列采集车辆音频信号，如果采样频率过低，有效信息获取不全面，精度低；如果采用频率过高，结果会有一定的误差，所以在对车辆音频信号进行采集时，选取较安静的公路进行数次的信号采集，然后对车辆音频信号进行加窗、小波去噪和信号合成处理，同时为了消除在信号采集过程中车辆距离、路况、油量等的影响，对信号还要进行归一化。

车辆音频信号的时域特征方法是对车辆音频信号的时域特征，短时能量、短时自相关分析以及基于自相关函数的基音周期估计进行研究，同时对车辆音频信号进行短时能量提取和基音周期的估计。

1 车辆音频信号的时域特征提取方法

■1.1 短时能量

音频信号的短时能量反映了声音幅度的变化[4]。音频信号的短时能量的定义为：

这个表示式也可以写为：

■1.2 短时自相关分析

定义音频信号xn(m)的短时自相关函数Rn(k)如下：

这里K 是最大的延迟点数。

■1.3 基于自相关函数的基音周期估计

基音周期检测技术的主要方法有时域的自相关函数法、倒谱法、时频结合的混合法及其衍生方法等[5]。其中时域的自相关法直接由语音波形来估计基音周期，频域的倒谱法是一种将语音信号变换到频域或者时域来估计基音周期的方法。

时域的基于自相关函数算法是基音周期估计的常用方法，特别适用于这种车辆噪声环境下的基音提取。自相关函数图形中基音周期处体现为峰值状态，所以一个基音周期就是相邻的两个峰值之间的间隔。

加窗和减少共振峰的影响是自相关法进行基音周期考虑的重点。窗长一般大于两个基音周期，甚至选的更长一点。减少共振峰的影响是可以利用一个带通滤波器对信号进行滤波，利用滤波信号的自相关函数来进行基音估计，也可以采取中心削波方法。

设中心削波器函数为C[x]，输入信号为x(n)，经过中心削波后的输出信号为y(n)=C[x(n)]，中心削波函数如图1 所示，中心削波器的输入如图2 所示，中心削波器的输出如图3 所示。

图1 中心削波函数

图2 中心削波器的输入

图3 中心削波器的输出

但是这种方法速度太慢，采用三电平中心削波方法，其函数为：

由于三电平中心削波后的信号取值只有-1、0 和1 三种情况，所以计算简单，速度快，效率高，实验仿真证明此方法对结果的影响很小。

2 车辆音频信号时域特征提取仿真实验

实验分别对采样频率为30kHz 的卡车a、卡车b、轿车c 和轿车d 的音频信号进行短时能量提取和基音周期的估计。

■2.1 短时能量提取

运用matlab 仿真，分别求出卡车a、卡车b、轿车c和轿车d 的短时能量，如图4 所示。

图4 卡车的短时能量图

■2.2 车辆音频信号的基音周期估计

采用自相关法对音频信号进行基音周期估计。首先从车辆音频信号中截取数据作为取样，采样出来的音频进行分帧，计算每帧的点数，然后采用带通滤波的方法或者中心削波的方法消除共振峰的影响，通过短时能量辨别出浊音段和清音段，最后通过选取浊音段，进行短时自相关函数的分析，取第一个峰值计算基音周期。

在本文中，假设车辆音频信号也存在基音周期，对卡车a 进行基音周期的提取。将能量值大于1×10-3 的区间为浊音段，反之为清音段。经计算卡车a 浊音段为(0.7312s～0.9789s)，在这个区间上取采样点(22221～22520)做自相关，如图5 所示。卡车b 浊音段为(0.7218s～0.8912s)，在这个区间上取采样点(22621～22920)做自相关，如图6 所示。轿车c 浊音段为(0.7821s～0.8527s)，在这个区间上取采样点(30001～30300)做自相关，如图7 所示。轿车d 浊音段为(0.7411～0.8689)，在这个区间上取点(28001～28300)做自相关，如图8 所示。

图5 卡车a(22221～22520)的自相关函数

图6 卡车b(22621～23120))的自相关函数

图7 轿车c(30001～30300)的自相关函数

图8 轿车d(28001～28300)的自相关函数

通过matlab 计算，图5 的第一个峰值的位置在78上，图6 第一个峰值的位置在62 上，图7 第一个峰值的位置在24 上，图8 第一个峰值的位置在18 上，信号的采样频率为30kHz，所以卡车a 的基音频率为30kHz/78=384.615Hz，基音周期为2.6ms，卡车b 的基音频率为30kHz/62=483.87Hz，基音周期为2.1ms。轿车c 的基因频率为30kHz/24=1250Hz，基音周期为0.8ms，轿车d 的基因频率为30kHz/18=1666.67Hz，基音周期为0.6ms。

3 结束语

文中首先对车辆信息检测的方法进行了总结和对比，采用语音信号处理的理论和技术对车辆音频信号进行初步的分析和研究，同时对车辆音频信号的时域特征，短时能量、短时自相关分析以及基于自相关函数的基音周期估计做了阐述，重点对采用自相关法的车辆音频信号进行基音周期估计的步骤进行了研究，同时采用三电平中心削波的方法来减少共振峰的影响，经过实验仿真研究，文中对4 辆车的音频信号进行短时能量提取和基音周期的估计。求取基音周期的过程中，利用哪一段数据进行自相关运算，不同的数据可能带来不同的结果。