强大的自动列车路过检测,结合深度学习和声音水平分析

科学领域:

• 声学和信号处理
• 环境噪音监测 环境噪音监测

背景情况:

• 对于控制高噪音水平的日益增长的需求,需要先进的自动声音事件检测.
• 关于自动检测火车路过情况的研究有限,尽管它具有显著的烦因素.

研究的目的:

• 开发一种创新和准确的方法,用于自动检测列车通过.
• 改进在各种音景中对铁路噪声贡献的估计.

主要方法:

• 一个通用分类器识别来自原始音频信号的车辆噪声.
• 梅尔频谱分析和声音水平指标完善检测,以隔离列车通过.
• 该方法在各种长期音频信号上进行了测试.

主要成果:

• 实现了90%的时间重叠与火车路过事件的参考划界.
• 在多种多样的长期音频录音中,已经证明了很高的检测率.
• 开发的技术有效地区分火车噪音和其他车辆声音.

结论:

• 拟议的方法提供了一个可靠的解决方案,用于自动检测列车通过.
• 高度的检测准确度有助于精确地评估铁路噪声贡献.
• 这一进步有助于更好地管理城市和农村声音环境中的噪音污染.