专利名称：一种语义增强型交通车辆声信息融合方法
技术领域：
本发明属于智能信息处理领域，涉及人工智能中的知识表示和信息处理中的数据融合技术，具体是一种应用在声传感器网络中的语义增强型信息融合方法。
背景技术：
声传感器网络具有设备相对廉价、性能稳定、易于构建、适应恶劣工作环境等特点，可以应用在很多领域。例如针对车辆行驶时的声音信号特征，可以将拾音器阵列布置在城市道路旁，获取车流量、车流速度等重要的交通流参数，从而实施对车辆的自动检测和智能交通监控等任务；也可以在海洋中部署水声换能器阵列，收集海洋学数据并进行海洋探测、灾害预防、海洋导航等活动；在工厂、工地的安全监控中，还可以考虑将声传感器网络布置于危险场地中，及时快速地对爆裂和爆炸部位进行自动检测与定位。在声传感器网络中，一般都是将拾音器或换能器等以阵列形式部署，以便满足空域滤波及目标定位、跟踪等要求。这种典型的多传感器配置方式自然而然地会产生对信息融合的需求。传统的信息融合技术主要利用概率推理、模糊逻辑、证据理论、神经网络、随机集理论等理论和方法，它们的一个主要局限无法概括领域知识、难以将背景信息包含进去， 造成信息融合的实际性能不稳定，与理论推导指标存在较大差距。如何根据特定的应用领域，寻找有效的背景专家知识表达与嵌入技术是解决该问题的一个途径。
发明内容
本发明的目的是针对现有信息融合技术缺乏领域知识的嵌入，提供了一种语义增强型交通车辆声信息融合方法。本发明所采取的技术方案包括以下各个步骤
1.声信号采集，即利用麦克风阵列采集车辆运行时发出的声音。一个麦克风阵列由两组以上麦克风组成，通过分析信号达到各个麦克风的延迟，形成一个指向感兴趣区域的波束来增强信号，并通过方向置零来抑制其他方向的声音和噪声。2.声特征提取，即从车辆声信号中提取出两组特征，分别是谐波特征( X1)和关键谱特征(Z2 )。对于谐波特征，首先根据车辆发动机的周期性运动提取出基本频率上的振幅，然后根据倍频关系依次提取出2倍频、3倍频一直到21倍频上的振幅，最后归一化后得到谐波特征。关键谱特征采用最大互信息原理进行选取，使得到的特征是来自于谐波之外的具有最大互信息的频率分量。3.语义标注，在利用声传感器组网探测车辆的应用中，典型的语义属性有车辆类型(小轿车、卡车、拖拉机等)，车辆尺寸，发动机类型(汽油机、柴油机等)。本发明采用两种有监督学习算法(即支持向量机和多变量高斯分类器)，根据已知样本(即事先收集的已知类别车辆发出的声音信号)训练好分类器，然后应用到车辆声信号中，发掘出上述可利用的语义属性，然后将其标注到该车辆声信号上。4.语义增强型信息融合，即把语义属性看作一个特殊信息，用其调整传统信息融
权利要求
1. 一种语义增强型交通车辆声信息融合方法，其特征在于该方法包括如下步骤 步骤1.声信号采集，具体是利用麦克风阵列采集车辆运行时发出的声音； 步骤2.声特征提取具体是从车辆声信号中提取出两组特征，分别是谐波特征 I1和关键谱特征I2 ；所述的谐波特征I1提取过程为首先根据车辆发动机的周期性运动提取出基本频率上的振幅，然后根据倍频关系依次提取出2倍频、3倍频一直到21倍频上的振幅，最后归一化后得到谐波特征；所述的关键谱特征&提取过程为采用最大互信息原理进行选取，使得到的特征是来自于谐波之外的具有最大互信息的频率分量；步骤3.语义标注，具体是采用支持向量机和多变量高斯分类器，根据已知样本训练分类器，然后应用到车辆声信号中，发掘出可利用的语义属性，然后将其标注到该车辆声信号上；所述的可利用的语义属性包括车辆类型、车辆尺寸、发动机类型； 步骤4.语义增强型信息融合，即把语义属性看作一个特殊信息，用其调整传统信息融合算法中的参数，具体是首先，在谐波特征X1或关键谱特征X2的基础上，利用支持向量机或多变量高斯分类器对车辆声信号进行一次初分类，得到两组中间决策；然后，利用传统的Bayes决策级融合算法将所获的两组中间决策组合起来，得到一个决策级融合；采用加权求和融合规则=T(Z1J2J) Ce罈(JQ + (l-i)72(Z2)，其中A代表融合权系数，0 <i <1 , ？Ii代表模式分类函数,如上述的支持向量机或多变量高斯分类器；最后，将提取出的语义属性和融合权系数联系起来，即将高层次的语义信息嵌入如到上述的决策级融合之中；具体操作过程如下采用车辆驱动语义，即轮式或履带特征，给定一个二元分类器, Jl如果声特自于履带车 g(S 1 )= 1-1，如果声特IEZ来自于轮式车;其中S是表示车辆属于轮式或者履带车辆的一个变量，X是车辆声特征； 用L(X)表示车辆声特征χ的维数，利用检测到的语义属性来控制两信息源加权求和融合规则中的融合比例i ；具体如下 女口果 g(s) = 1 1V,如果=N代表固定的特征总维数，m和《表示在不同语义属性下谐波特征X1的维数。
全文摘要
本发明涉及一种语义增强型交通车辆声信息融合方法。本发明方法首先利用麦克风阵列采集车辆运行时发出的声音。其次从车辆声信号中提取出两组特征，分别是谐波特征X1和关键谱特征X2。然后将可利用的语义属性标注到车辆声信号上。最后利用语义概念对二元特征决策级融合进行仲裁，依据语义属性的不同，当信号来自于轮式车时采用一种特征维数分配方案，当信号来自于履带车时采用另外一种特征维数分配方案，通过分析声信号中的语义属性，用其调整不同特征的维数，实现不同的加权效果，反映特征重要性的差异，从而改善信息融合的效果。本发明利用的语义分析可提高声传感器融合系统在目标识别或跟踪方面的准确性。
文档编号G10L15/02GK102254552SQ201110196588
公开日2011年11月23日 申请日期2011年7月14日 优先权日2011年7月14日
发明者彭冬亮, 朱胜利, 林岳松, 薛安克, 郭宝峰 申请人:杭州电子科技大学