应用声信号特征识别车辆车型及车速范围*

国内外现有研究工作主要针对车型进行识别,该文在此基础上对车速范围的分类识别进行了研究。文中将主成分分析方法和BP神经网络算法结合(PCA-BP)对车型与车速进行识别分析,对比了与BP神经网络算法识别速度的差异。结果表明应用PCA-BP方法的识别效果整体较好,且在识别过程中可以节省计算时长的50%～70%左右,大大提高了识别速度。在未来的车辆识别系统实现中,可以在保证良好识别效果的前提下,提高软硬件平台的传输效率,节省识别计算时间。     

城市功能区声环境质量监测时间代表性研究

城市功能区声环境质量监测数据是评估我国城市声环境质量水平的重要依据,为科学准确地反映城市功能区声环境质量水平,应选取合理的、具有代表性的监测时间开展监测。本文以某地4个典型的功能区声环境质量监测点位1年的连续监测数据作为样本,分析了不同功能区点位长期噪声波动特征,并采用Kruskal-Wallis 检验（K-W检验）方法,分别分析了一年中各月之间及一周中各日之间噪声水平的差异性。数据处理及分析结果表明：（1）4个监测点位一年中各月之间噪声水平,特别是夜间等效连续A声级之间具有显著差异,一年监测一次显然难以代表全年声环境质量水平;相比较下,每季度监测一次能大幅提高监测结果代表性,季度内的3个月份各月之间无显著差异的比例占80%以上;（2）对于这4个监测点位,一周中在周二至周五之间监测其结果更具代表性。