何颖 林智慧 张娓娓 张星阳
摘要：交通运输系统智能化发展越来越重要，其关键在于车辆的检测与识别。针对车辆视频信号的检测受外界环境的影响很大，又价格昂贵。提出车辆音频信号的检测，利用传感器采集车辆音频信号，运用小波和阵列信号对音频信号进行分析处理。实验仿真证明，处理效果良好。
关键词：车辆音频信号;小波分析; 传感器阵列
中图分类号：G642.0 文献标识码：A
文章编号：1009-3044（2021）03-0197-02
随着交通运输的蓬勃发展，作为交通运输主要组成部分的车辆越来越受到人们的重视。目前，研究车辆的主要方法是在主要交通路线上安装电视录像机[1，2]，同时还有其他方法，如电池感应线圈检测方法技术成熟，价格合理，但是对路面会损坏，车辆识别也差;脉冲超声波检测设备简单，性能良好，车辆识别效果好，但受环境影响大，检测距离有限;红外线检测方法适用于白天和黑夜，受天气影响大，车辆识别效果不是很好;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;视频检测方法成本高，又由于车辆种类繁多，又没有统一的标准，所以视频识别的精度不是很好，又受外部环境的影响很大，同时埋地线圈对既有道路具有破坏作用，易受环境影响，造成路面变形。
车辆音频信号可以反映车辆的许多特征信息，但目前对车辆音频信号的研究很少。车辆声音实际就是车辆的噪声，包括发动机噪声、轮胎噪声以及车体运动引起的气流噪声。与语音信号相比，车辆音频信号的振动源是分散的，但两者都以介质振动的形式存在，有很多相似的特性[3]，因此，本文运用语音信号处理的理论和技术对车辆语音信号进行分析和研究。
1车辆音频信号采集
车辆音频信号主要因素有天气及环境的影响以及采样频率的选择，采样频率过低，精度不高，有效信息获取就会不全面;采用频率过高，则有可能产生较大的误差。为了获取的信号全面而且误差较小，选取交通流小且较安静的公路采集信号，本文在二级公路上对车辆音频信号进行了四次采集。数据采集结构示意图如图1所示。
2 车辆音频信号处理
2.1 信号加窗
窗函数不仅有截断作用，而且能够起到平滑的作用[4]。主瓣宽度较窄时，通带和阻带的波动增大;选择较小的旁瓣幅度时，过渡带会变宽。汉宁窗、海明窗、凯赛窗三个窗的旁瓣峰值幅度分别为-31 dB、-41 dB、-57 dB，过渡带宽度分别为8π/N、8π/N、10π/N，阻带最小衰减分别为-44 dB、-53 dB、-80 dB。其中，凯赛窗是一种参数可调的窗函数，主瓣宽度与旁瓣宽度之比可以调节，效果更好。
2.2 小波降噪
传感器采集的车辆音频信号属于随机噪声，所以应该对信号进行降噪处理。
文中采用小波降噪方法。小波变换是时间频率的局部化分析，它通过伸缩平移运算对信号逐步进行多尺度细化，最终达到高频处细分，低频处频率细分，能自动适应时频信号分析的要求，聚焦到信号的任意细节。小波降噪包括三个基本步骤 [5]：
（1）对原始信号进行小波分解，得到各细节分量（高频）与近似分量（低频）。
（2） 设定各层细节的阈值。
（3） 重构信号。利用第N层的近似部分小波系数和第1层到第N层经过处理的各细节小波系数重构信号。
2.3 信号合成
车辆的音频信号属于宽带信号，传统的波达角（DOA，Direction of Arrival）估计方法都针对窄带信号，不能直接应用在超宽带场合[6]。假设[D]个宽带源信号分别以不同的方向辐射到[M]元宽带传感器阵列，源信号为远场平面波，并具有相同带宽及中心频率[f0]，附加宽带噪声与源信号互相独立并具有已知谱密度矩阵（[σ2]可以未知），对阵列输出向量[x（t）]采样后进行离散傅氏变换可将其分解为[J]个互不重叠的窄带部分[7，8]。
2.4 信号归一化
归一化的作用是归纳统一样本的统计分布性。归一化就是把需要处理的音频信号经过处理后限制在一定的范围内，为了后期数据处理时更加方便，同时也保证程序运行时收敛加快。对车辆噪声信号进行滤波、合成，还要进行归一化。本文中，将车辆噪声信号的能量归一化在了-1到+1之间。
3 仿真实验与结果
3.1 车辆音频信号的加窗与去噪
首先对采集到的车辆音频信号进行加窗、去噪。文中实验展示了一辆轿车的各通道音频信号的处理过程。四个传感器分别采集到的车辆音频信号如图2所示，各通道信号加凯赛窗后的信号如图3所示，加窗且小波去噪的信号如图4所示。
3.2 车辆音频信号的合成与归一化
对轿车进行车辆音频信号的合成与归一化。首先利用宽带信号的波达角计算方法，计算出信号的波达角，在图5中的信号的music谱图中可以看出信号的波达角，利用已经获得的波达角，求出[a（θ）]，然后运用波束形成器的最佳权向量的知识，对小波去噪后信号去均值，求方差得到[R]，通过公式（6）计算出?，将[a（θ）]、[R]和?代入公式（5）求出最佳权向量，即可对信号进行合成，合成后的波形如图6所示。图7为车辆音频信号进行归一化之后的波形。
将原始信号和预处理过的信号转成声音文件，从听觉上感受一下各种车型经过了加窗、去噪及加权合成后的效果。经过对车辆进行测试，处理效果良好。
4 结束语
本文采用语音信号处理的理论和技术对车辆音频信号进行研究。文中首先利用多传感器线性阵列采集车辆音频信号，简单描述了信号加窗、小波降噪、宽带信号的波达角估计等问题，应用这些理论对信号进行了加窗、小波去噪和信号合成，最后为了消除在信号采集过程中车辆距离、路况、油量等的影响，对信号进行了归一化。经过对车辆进行现场试验测试，处理效果良好。
参考文献
[1] 刘灵，李天平.基于改进SIFT算法的汽车车型自动识别[J].山东师范大学学报（自然科学版），2017，32（1）：75-79.
[2] 张红兵，李海林，黄晓婷，等.基于车前脸HOG特征的车型识别方法研究与实现[J].计算机仿真，2015，32（12）：119-123.
[3] 赵宏旭，张一闻，杨文帅.基于支持向量机的混合车辆音频信号的车型识别研究[J].激光杂志，2018，39（9）：133-137.
[4] 张胜利，李伟.基于窗函数与FFT算法的信号谐波分析[J].工业控制计算机，2019，32（5）：35-36+38.
[5] 季景方，闫先朝，寇满.小波方法在信号降噪处理中的应用[J].汽车实用技术，2018（07）：31-33.
[6] 魏建，孙祥娥.基于窄带信号抽样的信号高效传输[J].现代电子技术，2017，40（17）：64-66.
[7] 曾耀平，杨益新，卢光跃，等.无须聚焦的宽带相干信号快速DOA估计算法[J].微处理机，2015，36（2）：60-63，69.
[8] 曾耀平，杨益新，卢光跃.宽带混合信号的快速DOA估计算法[J].计算机应用研究，2015，32（01）：179-182，186.
【通联编辑：朱宝贵】
