基于小波软阈值去噪和EMD的车辆声信号频谱分析

夏云飞，程子敬，李稚

（北京卫星信息工程研究所，北京 100194）

车辆行驶时产生的声音是一种包含多种声音成分的混合声音，在车型分类中首先需要做的就是特征提取，特征提取过程中如何对声信号进行有效去噪以及如何提取有效特征是两大难点。文献[1-15]大多针对如何利用特征提高识别率，并未过多考虑从源头上进行噪声处理以获得有效特征，而且文献中提出的方法所获取的特征相对比较复杂，计算量也比较大。

文中利用小波软阈值去噪方法和经验模态分解组合实现了燃油车和电动车的频谱分析技术，从频谱的角度直观地区分燃油车和电动车，为车型分类识别提供了一种简单实用的方法。

1 小波软阈值去噪原理

Donoho 在小波变换的基础上提出了小波阈值去噪方法，一般包括3 个步骤：小波分解、阈值处理和小波重构。首先，通过小波分解信号。然后，通过阈值量化处理每一层的高频系数。最后，对处理后的小波系数进行小波重构，以获得降噪信号。在这3个步骤中，阈值处理对去噪结果有很大影响，并且阈值函数起关键作用。阈值函数主要包括硬阈值函数和软阈值函数[16]。这两种方法的阈值函数表达式如下：

硬阈值函数：

软阈值函数：

其中，wi,k为小波系数；λ为阈值；w′j,k为处理后的小波系数。

2 经验模态分解原理

1998 年，Norden E.Huang 等人提出了一种信号处理方法，即经验模态分解（Empirical Mode Decomposition，EMD）方法，杨建华等[17]人采用过该方法，该方法可以使信号平稳化并且自适应地将信号分解为不同尺度的波动或变化趋势，形成一系列具有不同尺度特征的数据序列，每个序列称为本征模式函数（Intrinsic Mode Function,IMF），这些反映原始信号的分量可以直接从中提取。……