CN110838305A - 基于声音识别的智能车辆adas预警测试方法和*** - Google Patents
基于声音识别的智能车辆adas预警测试方法和*** Download PDFInfo
- Publication number
- CN110838305A CN110838305A CN201911121583.2A CN201911121583A CN110838305A CN 110838305 A CN110838305 A CN 110838305A CN 201911121583 A CN201911121583 A CN 201911121583A CN 110838305 A CN110838305 A CN 110838305A
- Authority
- CN
- China
- Prior art keywords
- sound
- signal
- alarm
- voice
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010998 test method Methods 0.000 title claims abstract description 16
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 title claims abstract 12
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 title claims abstract 12
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 title claims abstract 12
- 238000012545 processing Methods 0.000 claims abstract description 57
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 230000005236 sound signal Effects 0.000 claims description 102
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 230000003321 amplification Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000149 penetrating effect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 2
- 208000032953 Device battery issue Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种基于声音识别的智能车辆ADAS预警测试方法和***,该方法包括以下步骤:S1,获取报警声音,所述报警声音包括K个报警子声音;S2,对步骤S1中得到的报警第k子声音进行声音提取处理,将提取处理后的声音数据形成报警声音数据库;S3,获取待处理声音,将获取的待处理声音进行预处理,得到预处理声音;S4,对步骤S3中得到的预处理声音进行声音提取处理,得到待对比声音数据;S5,将步骤S4中得到的待对比声音数据与步骤S2中的报警声音数据库进行比对,若对比相似度大于或者等于预设相似度,则待处理声音为报警声音。本发明能够通过对预警声音的提取,让驾驶员提早采取措施,实现驾驶员的安全驾驶。
Description
技术领域
本发明涉及一种智能车辆技术领域,特别是涉及一种基于声音识别的智能车辆ADAS预警测试方法和***。
背景技术
智能汽车ADAS(高级驾驶辅助***,Advanced Driving Assistant System)功能越来越丰富,在智能汽车发展的初级阶段,ADAS功能主要表现为通过声音预警方式提醒驾驶员,让驾驶员提早采取措施,避免危险的发生。
当前我们在测试中是首先通过声音频率识别软件估计报警声音的频率范围,然后在声音采集的测试设备中设置该频率范围,当驾驶车辆触发该报警声音时,声音采集设备通过模数转换以方波的形式出现,后期数据处理时通过经验识别方波中的报警时刻,再以此记录车辆在此刻的各项参数。以上声音报警时刻识别方法存在三个问题:第一,根据声音频率识别软件仅仅能估计报警声音频率范围,准确度低,测试人员往往要多次尝试反复调整才能达到比较好的效果;第二,声音采集设备转换成方波后报警时刻的波形特征未必明显,很可能出现其他毛刺或背景噪音产生的干扰。不明显的报警时刻特征不利于后处理程序自动识别报警时刻,这就需要花费大量的人工凭经验查找报警时刻。第三,这种声音采集方式,在设置好频率范围后在一次测试中只能针对这一种声音频率进行采集,若同一次采集中需要同时知道两种声音或更多种声音的发声时刻,则是不行的。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种基于声音识别的智能车辆ADAS预警测试方法和***。
为了实现本发明的上述目的,本发明提供了一种基于声音识别的智能车辆ADAS预警测试方法,包括以下步骤:
S1,获取报警声音,所述报警声音包括K个报警子声音,所述K为大于或者等于1的正整数,分别为报警第1子声音、报警第2子声音、报警第3子声音、……、报警第K子声音,每个报警子声音分别表示车辆不同状态发出的报警声;
S2,对步骤S1中得到的报警第k子声音进行声音提取处理,所述k为小于或者等于K的正整数,将提取处理后的声音数据形成报警声音数据库;
S3,获取待处理声音,将获取的待处理声音进行预处理,得到预处理声音;
S4,对步骤S3中得到的预处理声音进行声音提取处理,得到待对比声音数据;
S5,将步骤S4中得到的待对比声音数据与步骤S2中的报警声音数据库进行比对,若对比相似度大于或者等于预设相似度,则待处理声音为报警声音。
在本发明的一种优选实施方式中,还包括对报警第k子声音进行滤波处理;
在步骤S3中,将待处理声音处理为预处理声音的方法为:对待处理声音进行滤波处理。
在本发明的一种优选实施方式中,在步骤S2中,对报警第k子声音进行声音提取处理的方法包括以下步骤:
S21,将报警第k子声音数据分成Mk段,所述Mk为大于或者等于2的正整数,即,报警第1子声音数据分成M1段,分别为报警第1子声音数据第1段、报警第1子声音数据第2段、报警第1子声音数据第3段、报警第1子声音数据第M1段;
报警第2子声音数据分成M2段,分别为报警第2子声音数据第1段、报警第2子声音数据第2段、报警第2子声音数据第3段、……、报警第2子声音数据第M2段;
报警第3子声音数据分成M3段,分别为报警第3子声音数据第1段、报警第3子声音数据第2段、报警第3子声音数据第3段、……、报警第3子声音数据第M3段;
……;
报警第k子声音数据分成Mk段,分别为报警第k子声音数据第1段、报警第k子声音数据第2段、报警第k子声音数据第3段、……、报警第k子声音数据第Mk段;
在报警第k子声音数据中,每一段声音信号的数据个数均相等,且每一段声音信号的数据个数为2p个,所述p为大于或者等于5且小于或者等于8的正整数;
S22,在报警第k子声音数据中,对每一段声音信号数据进行傅里叶变换处理,得到每一段声音信号的幅度和频率,记录得到的声音信号的幅度;
S23,将步骤S22中每一次记录的声音信号的幅度连接起来,获得声音信号的幅度随时间变化的图形;
S24,计算声音信号的起始端点和终止端点:预设一个起始幅度阈值和一个终止幅度阈值,其中,起始幅度阈值大于终止幅度阈值,将步骤S23中获得的图形与预设的起始幅度阈值和终止幅度阈值进行比较大小:
若图形幅度大于起始幅度阈值,则该图形幅度所对应的时间点为起始端点;
若图形幅度小于终止幅度阈值,则该图形幅度所对应的时间点为终止端点;
S25,确定声音信号的周期:若声音信号为周期信号,相邻两个起始端点的时间点间隔即为声音信号的周期或者相邻两个终止端点的时间点间隔即为声音信号的周期,即是每一个周期是从一个起始端点开始,经过一个终止端点,再到下一个起始端点结束;或者每一个周期是从一个终止端点开始,经过一个起始端点,再到下一个终止端点结束;
S26,确定无声时间长度和有声时间长度:在声音信号的一个周期内,第一个起始端点到终止端点的时间点间隔为有声时间长度,终止端点到下一个起始端点的时间间隔为无声时间长度。
在本发明的一种优选实施方式中,M1=M2=M3=…=Mk。
在本发明的一种优选实施方式中,p=8。
在本发明的一种优选实施方式中,在步骤S4中,预处理声音进行声音提取处理的方法包括以下步骤:
S41,将预处理声音数据分成M段,所述M为大于或者等于2的正整数,分别为预处理声音数据第1段、预处理声音数据第2段、预处理声音数据第3段、预处理声音数据第M段;
每一段声音信号的数据个数均相等,且每一段声音信号的数据个数为2p个,所述p为大于或者等于5且小于或者等于8的正整数;
S42,对每一段声音信号数据进行傅里叶变换处理,得到每一段声音信号的幅度和频率,记录得到的声音信号的幅度;
S43,将步骤S42中每一次记录的声音信号的幅度连接起来,获得声音信号的幅度随时间变化的图形;
S44,计算声音信号的起始端点和终止端点:预设一个起始幅度阈值和一个终止幅度阈值,其中,起始幅度阈值大于终止幅度阈值,将步骤S43中获得的图形与预设的起始幅度阈值和终止幅度阈值进行比较大小:
若图形幅度大于起始幅度阈值,则该图形幅度所对应的时间点为起始端点;
若图形幅度小于终止幅度阈值,则该图形幅度所对应的时间点为终止端点;
S45,确定声音信号的周期:若声音信号为周期信号,相邻两个起始端点的时间点间隔即为声音信号的周期或者相邻两个终止端点的时间点间隔即为声音信号的周期,即是每一个周期是从一个起始端点开始,经过一个终止端点,再到下一个起始端点结束;或者每一个周期是从一个终止端点开始,经过一个起始端点,再到下一个终止端点结束;
S46,确定无声时间长度和有声时间长度:在声音信号的一个周期内,第一个起始端点到终止端点的时间点间隔为有声时间长度,终止端点到下一个起始端点的时间间隔为无声时间长度。
在本发明的一种优选实施方式中,在步骤S22或步骤S42中,傅里叶变换处理采用短时傅里叶变换处理方法。
在本发明的一种优选实施方式中,M=Mk。
在本发明的一种优选实施方式中,在步骤S5中,相似度的计算方法为:
其中,S(j,k)是待对比声音数据j和报警声音数据库Ij,k中报警声音k之间的相似性;
Rk,u是报警声音数据库Ij,k中报警声音k对报警声音数据库Ij,k中报警声音k的对比值;
Ij,k是待对比声音数据j和报警声音数据库Ij,k中报警声音k构成的集合;
将待处理声音确定为报警声音时,记录待处理声音的报警起始时刻。
本发明还公开了一种基于声音识别技术的智能车辆ADAS预警功能测试方的***,包括安设在智能车辆上的语音获取模块,语音获取模块包括密闭壳体,在密闭壳体上设置有两个贯穿壳体的语音获取孔,分别为语音获取第一孔和语音获取第二孔,语音获取第一孔与语音获取第二孔相距Lcm,所述L为正数;
在壳体内设置有语音采集单元、语音转换单元和语音处理单元,语音采集单元包括语音采集第一子单元和语音采集第二子单元,语音采集第一子单元的信号输出端与语音转换单元的信号输入第一端相连,语音采集第二子单元的信号输出端与语音转换单元的信号输入第二端相连,语音转换单元的输出第一端与语音处理单元的信号输入第一端相连,语音转换单元的输出第二端与语音处理单元的信号输入第二端相连;语音处理单元的信号输出端与智能车辆控制器的语音信号输入端相连;
当声音信号从语音获取第一孔进入壳体,则语音采集第一子单元采集从语音获取第一孔进入壳体的声音信号为声音采集第一信号,并将声音采集第一信号转换为第一采集电信号;当声音信号从语音获取第一孔进入壳体,则语音采集第二子单元采集从语音获取第一孔进入壳体的声音信号为声音采集第二信号,并将声音采集第二信号转换为第二采集电信号;当声音信号从语音获取第二孔进入壳体,则语音采集第一子单元采集从语音获取第二孔进入壳体的声音信号为声音采集第三信号,并将声音采集第三信号转换为第三采集电信号;当声音信号从语音获取第二孔进入壳体,则语音采集第二子单元采集从语音获取第二孔进入壳体的声音信号为声音采集第四信号,并将声音采集第四信号转换为第四采集电信号;
语音转换单元判断语音采集第一子单元采集声音采集第一信号的时间和语音采集第一子单元采集声音采集第三信号的时间,以及语音采集第二子单元采集声音采集第二信号的时间和语音采集第二子单元采集声音采集第四信号的时间先后顺序:
若语音采集第一子单元采集声音采集第一信号的时间和语音采集第二子单元采集声音采集第二信号的时间晚于语音采集第一子单元采集声音采集第三信号的时间和语音采集第二子单元采集声音采集第四信号的时间;则将第一采集电信号和第二采集电信号转换为相位相同的信号,以及将第三采集电信号和第四采集电信号转换为相位相反的信号;
若语音采集第一子单元采集声音采集第三信号的时间和语音采集第二子单元采集声音采集第四信号的时间晚于语音采集第一子单元采集声音采集第一信号的时间和语音采集第二子单元采集声音采集第二信号的时间;则将第一采集电信号和第二采集电信号转换为相位相反的信号,以及将第三采集电信号和第四采集电信号转换为相位相同的信号;
语音处理单元用于将转换后的第一采集电信号和转换后的第二采集电信号进行差分放大处理,得到声音第一处理信号,以及将转换后的第三采集电信号和转换后的第四采集电信号进行差分放大处理,得到声音第二处理信号;将语音处理单元处理后得到的声音第一处理信号和声音第二处理信号传输给智能车辆控制器。便于采集的声音转换为单指向的声音。
综上所述,由于采用了上述技术方案,本发明能够通过对预警声音的提取,让驾驶员提早采取措施,实现驾驶员的安全驾驶。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明流程示意框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
本发明提供了一种基于声音识别的智能车辆ADAS预警测试方法,如图1所示,包括以下步骤:
S1,获取报警声音,所述报警声音包括K个报警子声音,所述K为大于或者等于1的正整数,分别为报警第1子声音、报警第2子声音、报警第3子声音、……、报警第K子声音,每个报警子声音分别表示车辆不同状态发出的报警声;在本实施方式中,第1报警声音可以是胎压指示报警声,报警第2子声音可以是驾驶员疲劳提示指示报警声,报警第3子声音可以是安全带警示报警声,报警第4子声音可以是机油油位过低警告报警声,报警第5子声音可以是动力电池故障警告报警声;可以根据实际情况进行设定。
S2,对步骤S1中得到的报警第k子声音进行声音提取处理,所述k为小于或者等于K的正整数,将提取处理后的声音数据形成报警声音数据库;
S3,获取待处理声音,将获取的待处理声音进行预处理,得到预处理声音;
S4,对步骤S3中得到的预处理声音进行声音提取处理,得到待对比声音数据;
S5,将步骤S4中得到的待对比声音数据与步骤S2中的报警声音数据库进行比对,若对比相似度大于或者等于预设相似度,则待处理声音为报警声音。
在本发明的一种优选实施方式中,还包括对报警第k子声音进行滤波处理;
在步骤S3中,将待处理声音处理为预处理声音的方法为:对待处理声音进行滤波处理。
在本发明的一种优选实施方式中,在步骤S2中,对报警第k子声音进行声音提取处理的方法包括以下步骤:
S21,将报警第k子声音数据分成Mk段,所述Mk为大于或者等于2的正整数,即,报警第1子声音数据分成M1段,分别为报警第1子声音数据第1段、报警第1子声音数据第2段、报警第1子声音数据第3段、报警第1子声音数据第M1段;
报警第2子声音数据分成M2段,分别为报警第2子声音数据第1段、报警第2子声音数据第2段、报警第2子声音数据第3段、……、报警第2子声音数据第M2段;
报警第3子声音数据分成M3段,分别为报警第3子声音数据第1段、报警第3子声音数据第2段、报警第3子声音数据第3段、……、报警第3子声音数据第M3段;
……;
报警第k子声音数据分成Mk段,分别为报警第k子声音数据第1段、报警第k子声音数据第2段、报警第k子声音数据第3段、……、报警第k子声音数据第Mk段;
在报警第k子声音数据中,每一段声音信号的数据个数均相等,且每一段声音信号的数据个数为2p个,所述p为大于或者等于5且小于或者等于8的正整数;
S22,在报警第k子声音数据中,对每一段声音信号数据进行傅里叶变换处理,得到每一段声音信号的幅度(幅度也叫幅值)和频率,记录得到的声音信号的幅度;
S23,将步骤S22中每一次记录的声音信号的幅度连接起来,获得声音信号的幅度随时间变化的图形(图形也叫图像);
S24,计算声音信号的起始端点和终止端点:预设一个起始幅度阈值和一个终止幅度阈值,其中,起始幅度阈值大于终止幅度阈值,将步骤S23中获得的图形与预设的起始幅度阈值和终止幅度阈值进行比较大小:
若图形幅度大于起始幅度阈值,则该图形幅度所对应的时间点为起始端点;
若图形幅度小于终止幅度阈值,则该图形幅度所对应的时间点为终止端点;
S25,确定声音信号的周期:若声音信号为周期信号,相邻两个起始端点的时间点间隔即为声音信号的周期或者相邻两个终止端点的时间点间隔即为声音信号的周期,即是每一个周期是从一个起始端点开始,经过一个终止端点,再到下一个起始端点结束;或者每一个周期是从一个终止端点开始,经过一个起始端点,再到下一个终止端点结束;
S26,确定无声时间长度和有声时间长度:在声音信号的一个周期内,第一个起始端点到终止端点的时间点间隔为有声时间长度,终止端点到下一个起始端点的时间间隔为无声时间长度。
在本发明的一种优选实施方式中,M1=M2=M3=…=Mk。
在本发明的一种优选实施方式中,p=8。
在本发明的一种优选实施方式中,在步骤S4中,预处理声音进行声音提取处理的方法包括以下步骤:
S41,将预处理声音数据分成M段,所述M为大于或者等于2的正整数,分别为预处理声音数据第1段、预处理声音数据第2段、预处理声音数据第3段、预处理声音数据第M段;
每一段声音信号的数据个数均相等,且每一段声音信号的数据个数为2p个,所述p为大于或者等于5且小于或者等于8的正整数;
S42,对每一段声音信号数据进行傅里叶变换处理,得到每一段声音信号的幅度和频率,记录得到的声音信号的幅度;
S43,将步骤S42中每一次记录的声音信号的幅度连接起来,获得声音信号的幅度随时间变化的图形;
S44,计算声音信号的起始端点和终止端点:预设一个起始幅度阈值和一个终止幅度阈值,其中,起始幅度阈值大于终止幅度阈值,将步骤S43中获得的图形与预设的起始幅度阈值和终止幅度阈值进行比较大小:
若图形幅度大于起始幅度阈值,则该图形幅度所对应的时间点为起始端点;
若图形幅度小于终止幅度阈值,则该图形幅度所对应的时间点为终止端点;
S45,确定声音信号的周期:若声音信号为周期信号,相邻两个起始端点的时间点间隔即为声音信号的周期或者相邻两个终止端点的时间点间隔即为声音信号的周期,即是每一个周期是从一个起始端点开始,经过一个终止端点,再到下一个起始端点结束;或者每一个周期是从一个终止端点开始,经过一个起始端点,再到下一个终止端点结束;
S46,确定无声时间长度和有声时间长度:在声音信号的一个周期内,第一个起始端点到终止端点的时间点间隔为有声时间长度,终止端点到下一个起始端点的时间间隔为无声时间长度。
在本发明的一种优选实施方式中,在步骤S22或步骤S42中,傅里叶变换处理采用短时傅里叶变换处理方法。
在本发明的一种优选实施方式中,M=Mk。
在本发明的一种优选实施方式中,在步骤S5中,相似度的计算方法为:
其中,S(j,k)是待对比声音数据j和报警声音数据库Ij,k中报警声音k之间的相似性;
Rj,u是待对比声音数据j对报警声音数据库Ij,k中报警声音k的对比值;
Rk,u是报警声音数据库Ij,k中报警声音k对报警声音数据库Ij,k中报警声音k的对比值;
Ij,k是待对比声音数据j和报警声音数据库Ij,k中报警声音k构成的集合;
将待处理声音确定为报警声音时,记录待处理声音的报警起始时刻。
本发明还公开了一种基于声音识别技术的智能车辆ADAS预警功能测试方的***,包括安设在智能车辆上的语音获取模块,语音获取模块包括密闭壳体,在密闭壳体上设置有两个贯穿壳体的语音获取孔,分别为语音获取第一孔和语音获取第二孔,语音获取第一孔与语音获取第二孔相距Lcm,所述L为正数;
在壳体内设置有语音采集单元、语音转换单元和语音处理单元,语音采集单元包括语音采集第一子单元和语音采集第二子单元,语音采集第一子单元的信号输出端与语音转换单元的信号输入第一端相连,语音采集第二子单元的信号输出端与语音转换单元的信号输入第二端相连,语音转换单元的输出第一端与语音处理单元的信号输入第一端相连,语音转换单元的输出第二端与语音处理单元的信号输入第二端相连;语音处理单元的信号输出端与智能车辆控制器的语音信号输入端相连;
当声音信号从语音获取第一孔进入壳体,则语音采集第一子单元采集从语音获取第一孔进入壳体的声音信号为声音采集第一信号,并将声音采集第一信号转换为第一采集电信号;当声音信号从语音获取第一孔进入壳体,则语音采集第二子单元采集从语音获取第一孔进入壳体的声音信号为声音采集第二信号,并将声音采集第二信号转换为第二采集电信号;当声音信号从语音获取第二孔进入壳体,则语音采集第一子单元采集从语音获取第二孔进入壳体的声音信号为声音采集第三信号,并将声音采集第三信号转换为第三采集电信号;当声音信号从语音获取第二孔进入壳体,则语音采集第二子单元采集从语音获取第二孔进入壳体的声音信号为声音采集第四信号,并将声音采集第四信号转换为第四采集电信号;
语音转换单元判断语音采集第一子单元采集声音采集第一信号的时间和语音采集第一子单元采集声音采集第三信号的时间,以及语音采集第二子单元采集声音采集第二信号的时间和语音采集第二子单元采集声音采集第四信号的时间先后顺序:
若语音采集第一子单元采集声音采集第一信号的时间和语音采集第二子单元采集声音采集第二信号的时间晚于语音采集第一子单元采集声音采集第三信号的时间和语音采集第二子单元采集声音采集第四信号的时间;则将第一采集电信号和第二采集电信号转换为相位相同的信号,以及将第三采集电信号和第四采集电信号转换为相位相反的信号;
若语音采集第一子单元采集声音采集第三信号的时间和语音采集第二子单元采集声音采集第四信号的时间晚于语音采集第一子单元采集声音采集第一信号的时间和语音采集第二子单元采集声音采集第二信号的时间;则将第一采集电信号和第二采集电信号转换为相位相反的信号,以及将第三采集电信号和第四采集电信号转换为相位相同的信号;
语音处理单元用于将转换后的第一采集电信号和转换后的第二采集电信号进行差分放大处理,得到声音第一处理信号,以及将转换后的第三采集电信号和转换后的第四采集电信号进行差分放大处理,得到声音第二处理信号;将语音处理单元处理后得到的声音第一处理信号和声音第二处理信号传输给智能车辆控制器。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种基于声音识别的智能车辆ADAS预警测试方法,其特征在于,包括以下步骤:
S1,获取报警声音,所述报警声音包括K个报警子声音,所述K为大于或者等于1的正整数,分别为报警第1子声音、报警第2子声音、报警第3子声音、……、报警第K子声音,每个报警子声音分别表示车辆不同状态发出的报警声;
S2,对步骤S1中得到的报警第k子声音进行声音提取处理,所述k为小于或者等于K的正整数,将提取处理后的声音数据形成报警声音数据库;
S3,获取待处理声音,将获取的待处理声音进行预处理,得到预处理声音;
S4,对步骤S3中得到的预处理声音进行声音提取处理,得到待对比声音数据;
S5,将步骤S4中得到的待对比声音数据与步骤S2中的报警声音数据库进行比对,若对比相似度大于或者等于预设相似度,则待处理声音为报警声音。
2.根据权利要求1所述的基于声音识别的智能车辆ADAS预警测试方法,其特征在于,在步骤S1中,还包括对报警第k子声音进行滤波处理;
在步骤S3中,将待处理声音处理为预处理声音的方法为:对待处理声音进行滤波处理。
3.根据权利要求1所述的基于声音识别的智能车辆ADAS预警测试方法,其特征在于,在步骤S2中,对报警第k子声音进行声音提取处理的方法包括以下步骤:
S21,将报警第k子声音数据分成Mk段,所述Mk为大于或者等于2的正整数,即,报警第1子声音数据分成M1段,分别为报警第1子声音数据第1段、报警第1子声音数据第2段、报警第1子声音数据第3段、报警第1子声音数据第M1段;
报警第2子声音数据分成M2段,分别为报警第2子声音数据第1段、报警第2子声音数据第2段、报警第2子声音数据第3段、……、报警第2子声音数据第M2段;
报警第3子声音数据分成M3段,分别为报警第3子声音数据第1段、报警第3子声音数据第2段、报警第3子声音数据第3段、……、报警第3子声音数据第M3段;
……;
报警第k子声音数据分成Mk段,分别为报警第k子声音数据第1段、报警第k子声音数据第2段、报警第k子声音数据第3段、……、报警第k子声音数据第Mk段;
在报警第k子声音数据中,每一段声音信号的数据个数均相等,且每一段声音信号的数据个数为2p个,所述p为大于或者等于5且小于或者等于8的正整数;
S22,在报警第k子声音数据中,对每一段声音信号数据进行傅里叶变换处理,得到每一段声音信号的幅度和频率,记录得到的声音信号的幅度;
S23,将步骤S22中每一次记录的声音信号的幅度连接起来,获得声音信号的幅度随时间变化的图形;
S24,计算声音信号的起始端点和终止端点:预设一个起始幅度阈值和一个终止幅度阈值,其中,起始幅度阈值大于终止幅度阈值,将步骤S23中获得的图形与预设的起始幅度阈值和终止幅度阈值进行比较大小:
若图形幅度大于起始幅度阈值,则该图形幅度所对应的时间点为起始端点;
若图形幅度小于终止幅度阈值,则该图形幅度所对应的时间点为终止端点;
S25,确定声音信号的周期:若声音信号为周期信号,相邻两个起始端点的时间点间隔即为声音信号的周期或者相邻两个终止端点的时间点间隔即为声音信号的周期,即是每一个周期是从一个起始端点开始,经过一个终止端点,再到下一个起始端点结束;或者每一个周期是从一个终止端点开始,经过一个起始端点,再到下一个终止端点结束;
S26,确定无声时间长度和有声时间长度:在声音信号的一个周期内,第一个起始端点到终止端点的时间点间隔为有声时间长度,终止端点到下一个起始端点的时间间隔为无声时间长度。
4.根据权利要求3所述的基于声音识别的智能车辆ADAS预警测试方法,其特征在于,M1=M2=M3=…=Mk。
5.根据权利要求3所述的基于声音识别的智能车辆ADAS预警测试方法,其特征在于,p=8。
6.根据权利要求1所述的基于声音识别的智能车辆ADAS预警测试方法,其特征在于,在步骤S4中,预处理声音进行声音提取处理的方法包括以下步骤:
S41,将预处理声音数据分成M段,所述M为大于或者等于2的正整数,分别为预处理声音数据第1段、预处理声音数据第2段、预处理声音数据第3段、预处理声音数据第M段;
每一段声音信号的数据个数均相等,且每一段声音信号的数据个数为2p个,所述p为大于或者等于5且小于或者等于8的正整数;
S42,对每一段声音信号数据进行傅里叶变换处理,得到每一段声音信号的幅度和频率,记录得到的声音信号的幅度;
S43,将步骤S42中每一次记录的声音信号的幅度连接起来,获得声音信号的幅度随时间变化的图形;
S44,计算声音信号的起始端点和终止端点:预设一个起始幅度阈值和一个终止幅度阈值,其中,起始幅度阈值大于终止幅度阈值,将步骤S43中获得的图形与预设的起始幅度阈值和终止幅度阈值进行比较大小:
若图形幅度大于起始幅度阈值,则该图形幅度所对应的时间点为起始端点;
若图形幅度小于终止幅度阈值,则该图形幅度所对应的时间点为终止端点;
S45,确定声音信号的周期:若声音信号为周期信号,相邻两个起始端点的时间点间隔即为声音信号的周期或者相邻两个终止端点的时间点间隔即为声音信号的周期,即是每一个周期是从一个起始端点开始,经过一个终止端点,再到下一个起始端点结束;或者每一个周期是从一个终止端点开始,经过一个起始端点,再到下一个终止端点结束;
S46,确定无声时间长度和有声时间长度:在声音信号的一个周期内,第一个起始端点到终止端点的时间点间隔为有声时间长度,终止端点到下一个起始端点的时间间隔为无声时间长度。
7.根据权利要求6所述的基于声音识别的智能车辆ADAS预警测试方法,其特征在于,在步骤S22或步骤S42中,傅里叶变换处理采用短时傅里叶变换处理方法。
8.根据权利要求6所述的基于声音识别的智能车辆ADAS预警测试方法,其特征在于,M=Mk。
10.根据权利要求1~8之一所述的基于声音识别的智能车辆ADAS预警测试方法的***,其特征在于,包括安设在智能车辆上的语音获取模块,语音获取模块包括密闭壳体,在密闭壳体上设置有两个贯穿壳体的语音获取孔,分别为语音获取第一孔和语音获取第二孔,语音获取第一孔与语音获取第二孔相距Lcm,所述L为正数;
在壳体内设置有语音采集单元、语音转换单元和语音处理单元,语音采集单元包括语音采集第一子单元和语音采集第二子单元,语音采集第一子单元的信号输出端与语音转换单元的信号输入第一端相连,语音采集第二子单元的信号输出端与语音转换单元的信号输入第二端相连,语音转换单元的输出第一端与语音处理单元的信号输入第一端相连,语音转换单元的输出第二端与语音处理单元的信号输入第二端相连;语音处理单元的信号输出端与智能车辆控制器的语音信号输入端相连;
当声音信号从语音获取第一孔进入壳体,则语音采集第一子单元采集从语音获取第一孔进入壳体的声音信号为声音采集第一信号,并将声音采集第一信号转换为第一采集电信号;当声音信号从语音获取第一孔进入壳体,则语音采集第二子单元采集从语音获取第一孔进入壳体的声音信号为声音采集第二信号,并将声音采集第二信号转换为第二采集电信号;当声音信号从语音获取第二孔进入壳体,则语音采集第一子单元采集从语音获取第二孔进入壳体的声音信号为声音采集第三信号,并将声音采集第三信号转换为第三采集电信号;当声音信号从语音获取第二孔进入壳体,则语音采集第二子单元采集从语音获取第二孔进入壳体的声音信号为声音采集第四信号,并将声音采集第四信号转换为第四采集电信号;
语音转换单元判断语音采集第一子单元采集声音采集第一信号的时间和语音采集第一子单元采集声音采集第三信号的时间,以及语音采集第二子单元采集声音采集第二信号的时间和语音采集第二子单元采集声音采集第四信号的时间先后顺序:
若语音采集第一子单元采集声音采集第一信号的时间和语音采集第二子单元采集声音采集第二信号的时间晚于语音采集第一子单元采集声音采集第三信号的时间和语音采集第二子单元采集声音采集第四信号的时间;则将第一采集电信号和第二采集电信号转换为相位相同的信号,以及将第三采集电信号和第四采集电信号转换为相位相反的信号;
若语音采集第一子单元采集声音采集第三信号的时间和语音采集第二子单元采集声音采集第四信号的时间晚于语音采集第一子单元采集声音采集第一信号的时间和语音采集第二子单元采集声音采集第二信号的时间;则将第一采集电信号和第二采集电信号转换为相位相反的信号,以及将第三采集电信号和第四采集电信号转换为相位相同的信号;
语音处理单元用于将转换后的第一采集电信号和转换后的第二采集电信号进行差分放大处理,得到声音第一处理信号,以及将转换后的第三采集电信号和转换后的第四采集电信号进行差分放大处理,得到声音第二处理信号;将语音处理单元处理后得到的声音第一处理信号和声音第二处理信号传输给智能车辆控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911121583.2A CN110838305B (zh) | 2019-11-15 | 2019-11-15 | 基于声音识别的智能车辆adas预警测试方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911121583.2A CN110838305B (zh) | 2019-11-15 | 2019-11-15 | 基于声音识别的智能车辆adas预警测试方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110838305A true CN110838305A (zh) | 2020-02-25 |
CN110838305B CN110838305B (zh) | 2022-03-18 |
Family
ID=69576501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911121583.2A Active CN110838305B (zh) | 2019-11-15 | 2019-11-15 | 基于声音识别的智能车辆adas预警测试方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838305B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113593610A (zh) * | 2021-08-11 | 2021-11-02 | 深圳市威视达康科技有限公司 | 烟雾报警声识别方法及*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103674235A (zh) * | 2014-01-03 | 2014-03-26 | 哈尔滨工业大学 | 基于短时傅里叶变换的单一频率报警声音特征检测方法 |
CN104834967A (zh) * | 2015-04-24 | 2015-08-12 | 南京邮电大学 | 泛在网络下基于用户相似度的业务行为预测方法 |
CN105303794A (zh) * | 2015-11-30 | 2016-02-03 | 讯美电子科技有限公司 | 一种可通过声纹识别进行报警综合处置管理*** |
CN106372572A (zh) * | 2016-08-19 | 2017-02-01 | 北京旷视科技有限公司 | 监控方法和装置 |
CN106649260A (zh) * | 2016-10-19 | 2017-05-10 | 中国计量大学 | 基于评论文本挖掘的产品特征结构树构建方法 |
CN107274247A (zh) * | 2017-05-03 | 2017-10-20 | 浙江工商大学 | 基于云计算的智慧感知推荐方法 |
CN107958669A (zh) * | 2017-11-28 | 2018-04-24 | 国网电子商务有限公司 | 一种声纹识别的方法及装置 |
CN108538024A (zh) * | 2018-05-25 | 2018-09-14 | 合肥东恒锐电子科技有限公司 | 一种多渠道人身安全智能分析报警方法及*** |
CN109087666A (zh) * | 2018-07-31 | 2018-12-25 | 厦门快商通信息技术有限公司 | 监狱打架的识别装置及方法 |
CN109920448A (zh) * | 2019-02-26 | 2019-06-21 | 江苏大学 | 一种自动驾驶车辆交通环境特种声音的识别***及方法 |
-
2019
- 2019-11-15 CN CN201911121583.2A patent/CN110838305B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103674235A (zh) * | 2014-01-03 | 2014-03-26 | 哈尔滨工业大学 | 基于短时傅里叶变换的单一频率报警声音特征检测方法 |
CN104834967A (zh) * | 2015-04-24 | 2015-08-12 | 南京邮电大学 | 泛在网络下基于用户相似度的业务行为预测方法 |
CN105303794A (zh) * | 2015-11-30 | 2016-02-03 | 讯美电子科技有限公司 | 一种可通过声纹识别进行报警综合处置管理*** |
CN106372572A (zh) * | 2016-08-19 | 2017-02-01 | 北京旷视科技有限公司 | 监控方法和装置 |
CN106649260A (zh) * | 2016-10-19 | 2017-05-10 | 中国计量大学 | 基于评论文本挖掘的产品特征结构树构建方法 |
CN107274247A (zh) * | 2017-05-03 | 2017-10-20 | 浙江工商大学 | 基于云计算的智慧感知推荐方法 |
CN107958669A (zh) * | 2017-11-28 | 2018-04-24 | 国网电子商务有限公司 | 一种声纹识别的方法及装置 |
CN108538024A (zh) * | 2018-05-25 | 2018-09-14 | 合肥东恒锐电子科技有限公司 | 一种多渠道人身安全智能分析报警方法及*** |
CN109087666A (zh) * | 2018-07-31 | 2018-12-25 | 厦门快商通信息技术有限公司 | 监狱打架的识别装置及方法 |
CN109920448A (zh) * | 2019-02-26 | 2019-06-21 | 江苏大学 | 一种自动驾驶车辆交通环境特种声音的识别***及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113593610A (zh) * | 2021-08-11 | 2021-11-02 | 深圳市威视达康科技有限公司 | 烟雾报警声识别方法及*** |
CN113593610B (zh) * | 2021-08-11 | 2024-05-28 | 深圳市威视达康科技有限公司 | 烟雾报警声识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110838305B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110307994B (zh) | 异声检测装置以及异声检测方法 | |
DE102017221701B4 (de) | Verfahren zum Diagnostizieren einer Geräuschursache eines Fahrzeugs | |
EP2857917A1 (en) | State diagnosing method and state diagnosing apparatus | |
CN1146862C (zh) | 音调提取方法和装置 | |
CN104706321A (zh) | 一种基于改进的mfcc的心音类型识别方法 | |
CN109855874B (zh) | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 | |
CN103886871A (zh) | 语音端点的检测方法和装置 | |
US20030088401A1 (en) | Methods and apparatus for pitch determination | |
DE02765393T1 (de) | Vorrichtung und verfahren zum erzeugen eines tonhöhen-kurvenformsignals und vorrichtung und verfahren zum komprimieren, dekomprimieren und synthetisieren eines sprachsignals damit | |
CN110838305B (zh) | 基于声音识别的智能车辆adas预警测试方法和*** | |
CN111076809B (zh) | 基于卷积神经网络的设备异常声音识别方法及*** | |
CN113267286B (zh) | 铁路弓网接触力识别方法及装置 | |
CN105679312A (zh) | 一种噪声环境下声纹识别的语音特征处理方法 | |
US20160322064A1 (en) | Method and apparatus for signal extraction of audio signal | |
CN103474074A (zh) | 语音基音周期估计方法和装置 | |
CN101625858A (zh) | 语音端点检测中短时能频值的提取方法 | |
US11342880B2 (en) | Capacitor capacitance estimation device, control system, and capacitor capacitance estimation method | |
CN114486263B (zh) | 一种旋转机械滚动轴承振动信号降噪解调方法 | |
CN102201230A (zh) | 一种突发事件语音检测方法 | |
US7043424B2 (en) | Pitch mark determination using a fundamental frequency based adaptable filter | |
CN1971707A (zh) | 一种进行基音周期估计和清浊判决的方法及装置 | |
Park et al. | Frequency of Interest-based Noise Attenuation Method to Improve Anomaly Detection Performance | |
Nadeu Camprubí et al. | Pitch determination using the cepstrum of the one-sided autocorrelation sequence | |
CN112750457A (zh) | 用于标识车辆内噪声源的*** | |
CN109431517A (zh) | 一种基于心音的身份识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |