计算机工程

作者：刘伟娜, 赵红东, 史剑锋, 张学志, 赵一鸣

单位：1. 河北工业大学电子信息工程学院, 天津 3004012. 电磁空间安全全国重点实验室, 天津 3003083. 河北晶禾电子技术股份有限公司, 河北 石家庄 050200

关键词：车辆识别,声音信号重建,卷积循环神经网络,高效空间金字塔模块,时间卷积神经网络,时间分辨率优化

基金：天津市科技计划项目(企业科技特派员项目)(21YDTPJC00050); 电磁空间安全全国重点实验室项目(2021JCJQLB055008)

车辆分类是智能交通系统的关键技术之一, 是道路交通监控系统的一个重要研究领域。由于声学传感器具有效率高、成本低、可昼夜工作、隐蔽性强等优势, 因此基于车辆声音特征的车辆分类引起了研究人员的广泛关注。然而, 现有研究中的车辆声音信号仅包含单一车辆, 对于混合的双车辆声音信号的分类缺乏讨论。为此, 设计一种网络模型对单车辆和双车辆共12种类别的噪声信号进行分类。针对声音频谱特征的固定分辨率并非最优的问题, 基于网络训练得出的注意力得分和时间转换矩阵, 控制噪声频谱时间大小, 设计频谱时间分辨率优化模型。分类网络依据卷积递归神经网络(CRNN)架构, 卷积网络部分(多尺度信号分析模块)参考高效空间金字塔模块对特征进行双分支融合处理, 由于循环神经网络(RNN)等不利于并行化, 运算速度慢, 因此将因果时间卷积网络(TCN)转换为非因果循环TCN。在自制数据集中进行实验, 结果表明, 该模型的平均精度均值(mAP)达到0.98, 远高于相当参数量下的CRNN网络, 与MobileNetV3性能相当, 但是相比MobileNetV3参数量减少了1.7×106。分析结果表明, 所提模型适用于长时间声音信号处理任务, 能提取深层次的特征。

来源：2024年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第12期