基于VMD和ReliefF算法的汽车鸣笛声识别方法

摘要

传统梅尔频率倒谱系数(MFCC)和线性预测倒谱系数(LPCC)特征的汽车鸣笛声识别方法在识别模型中分辨力不足,针对此问题,提出了一种基于变分模态分解(VMD)和ReliefF融合特征的汽车鸣笛声识别方法。该方法将变分模态分解所得的前四个模态分量进行信号重构,提取重构信号的MFCC、LPCC、声谱图特征参数。通过ReliefF算法融合MFCC和LPCC特征,并输入识别模型,实现汽车鸣笛声的准确识别。结果表明,该方法在BP模型中的识别率、识别速度均优于其他特征在BP、支持向量机、卷积神经网络识别模型中的识别效果,在汽车鸣笛声识别领域具有一定应用价值。