《表1 车型识别实验结果表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于循环神经网络的车型识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为验证本文声音识别模型的性能，通过实验进行了验证。在Matlab软件平台采用上文提到的方法提取FMCC特征进行对比实验，首先进行隐马尔科夫模型的实验，然后采用本文提出的加入特征层的循环神经网络模型，取摩托车、小型轿车、公交车、大卡车四种车型的行驶噪声，每种噪声样本为500，其中测试数据为200个，训练数据为300个。从语音数据中提取MFCC特征值。在提取特征值之前，首先要进行预加重和分帧加窗处理。实验中帧长设置为25ms，帧长重复部分为10ms。加窗处理使用Hamming。提取MFCC为12阶，并提取其一阶差分系数及二阶差分系数，每个系数取能量谱。实验中，循环神经网络的隐含层神经元为100个，类别层为100个。以上过程在Matlab软件中实现。实验结果如表1所示。