一种挖掘音频周期特征的时频双流轻量化智能车载警笛检测方法

本发明公开了一种基于时频双流特征融合的轻量化警笛声检测方法，属于音频信号处理与智能驾驶感知技术领域。所述方法首先采集音频信号并进行预处理；然后并行提取两种互补特征：一是通过短时傅里叶变换与梅尔滤波器组提取梅尔频谱图，作为频域特征流；二是计算音频信号的归一化自相关函数，并通过一个轻量化的一维卷积网络ACgramNet提取深度时域周期特征，作为时域特征流；将两种特征在通道维度拼接，形成时频双流融合特征；最后将融合特征输入为移动端优化的MobileFaceNet轻量化分类网络，输出对多种警笛事件及背景噪声的分类结果。本发明通过引入自相关函数充分挖掘警笛声固有的强周期性本质特征，并与频域特征深度融合，显著提升了复杂噪声环境下的检测鲁棒性；同时采用轻量化网络结构，计算量小、推理速度快，满足车载嵌入式平台的实时性要求。本发明可广泛应用于自动驾驶、智能网联汽车及路侧单元的声学感知系统。