随着机动车的数量迅猛增长，噪声污染也日益突出。
在我国城市交通噪声污染治理上，着重点还是落在交通管理上。如在噪声敏感目标集中区域和时段，通过采取“限鸣”措施。但是，“限鸣汽车鸣笛声”(禁鸣)实施起来却很困难。
如果能够通过某种方法或装置，即使有其他噪声干扰，也能正确识别出某辆车的喇叭是否鸣叫，进而判断出具体的违规车辆，这将为交警执法带来很大便利，大大降低城市的汽车喇叭噪声。
由于喇叭生产厂家的不同，安装在汽车上的电喇叭频率都不相同，即使是同一厂家生产的同型号喇叭，由于生产工艺问题，喇叭频率也是有细微差别的。所以，通过测定汽车喇叭的发
声中心频率来进行汽车身份的识别。在某种程度上是可行的。
除了喇叭频率的唯一性，利用喇叭频率来识别汽车身份的另外一个原因在于喇叭频率的稳定性。
在实际环境下，由于操作人员的原因，汽车喇叭发声的时长一般来说不同，声音的响度(声音信号的幅度)也不同，而且声音传输的媒介也会因为外界气温、环境等未知因素的影响而产生变化，从时域对喇叭声音信号进行分析将非常困难。
而由于喇叭发声频率的唯一性和稳定性，从理论上，喇叭声音在频域是一个冲击函数，冲击函数的频率点就是该喇叭的中心频率，这也正是喇叭发出的声音中万变不离其宗的根本参数。
图1显示的分别就是喇叭声音信号的时域波形和功率谱波形。从图1可以看出，喇叭声音的时域波形非常复杂而且没有规律，而其频域波形(即功率谱)就非常稳定。 总体上说，这种基于喇叭频率来识别汽车身份的方法有三个主要步骤，分别是样本数据的训练；实测数据与样本的匹配；汽车身份的识别判决。
1 假设有多台汽车，即有多个不同的喇叭，事先我们应该取得若干组这些喇叭的声音信号。通过傅立叶变换来求得各个喇叭的功率谱，出功率谱极大点处的频率，作为该喇叭的发声中心频率，然后将各个汽车喇叭频率，与汽车车牌号建立一一对应关系。
2 假设有一台汽车喇叭发音。先取得它的喇叭声音信号，求出这个喇叭声音信号的功率谱，出它的功率谱上极大点处的频率，以这个频率作为未知身份汽车的发声中心频率。
3 将未知身份汽车的发声中心频率与第1步中建立的对应关系匹配，根据距离最小原则，该中心频率与数据库中的哪个中心频率最接近，就认为未知身份的汽车是那个中心频率对应的汽车，从而实现了汽车身份的识别。
我们一共做了4次实验。从表格中可以看出。同一个喇叭在不同时刻的发声频率是基本不变的。
在实际操作过程中，还需要注意以下问题：
1 由于在声音信号的采集过程中，不可避免的会受到各种噪声的干扰，如马路背景噪声、交流电噪声等。由于汽车喇叭发声频率大约在2000Hz～3000Hz，所以要选择合适的带
通滤波器，将其他噪声频率滤去。
2 由于求功率谱算法的限制，中心频率的测定可能不太准确，这就直接导致汽车身份识别过程中的误判。我们的解决方案是，增大傅立叶变换的点数，这样可以增大频谱的分辨率。但这样会带来数据点的增多，会导致运算量的增加，影响系统速度。
发布评论