CN111833904B 用于将在时间上彼此跟随的数字音频数据分类的方法 （罗伯特·博世有限公司）

O.舍恩罗克用于将在时间上彼此跟随的数字音频数据描述用于将在时间上彼此跟随的数字音频彼此跟随的音频数据的逐步进展的时间区间计率表达中各个相加的频率区段形成平均值来计将表征危险情形的利用所属的在时间上彼此跟随的数字音频数据描述的信号借助多个频率表达的频率分量的所属数量来分类且将分类的分2为每个单个频率表达的每个倍频程形成确定数量通过为每个单个频率表达中的各个相加的频率区段形借助于分类器和多个频率表达的频率分量的数量来生成分类矢量(号借助于多个频率表达的频率分量的所属的数量来分类并且将分类的分类矢量与相应的其中用于每个单个频率表达的每个倍频程的频率区段的数量的频率区段在倍频程中其中对在时间上彼此跟随的数字音频数据关于存在基调和泛音进行其中为在时间上彼此跟随的音频数据的逐步进展的时间区间计算多个频率表达借助其中每个单个频率表达的频率分量在生成所述分其中将每个单个频率表达的频率分量关于值一来归一化，其中所述分类器具有人工神经前馈网，所述人工神经前馈其中所述分类器具有人工神经反馈网，所述人工神经反馈其中所述分类器具有人工神经卷积网，所述人工神经卷积3其中所述分类器被设计成，借助于将多个频率表达的频率其中所述分类器具有预先分类器和主分类器，并且所述预先分类器其中根据所述分类矢量的值中的至少一个值，发出用于操所述计算机程序包括指令，所述指令在通过计算机实施所述计在所述机器可读的存储器介质上存储有计算机程序，所指令在通过计算机实施所述计算机程序时推动所述计算机，实施根据权利要求1至12中任4[0003]本发明公开根据独立权利要求的特征的一种用于将在时间上彼此跟随的数字音以导入相应的必要时自动的行动或者可以向5到紧急车辆的特殊信号，所述特殊信号典型地作为特定的警笛实施并且生成不同的音序，述失真的警笛信号例如出自玩具或智能电话)、稳态的警笛(英语为：Civildefense[0012]电信号的数模转换在此可以执行为，使得表征危险情形的声学信号包括例如250Hz至8kHz的重要的频域，从而借助于最高要检测的频率的两倍大的采样率或取样率检[0013]用于提供描述表征危险情形的声学信号的数字音频数据的上述步骤主要用于阐的根据本发明的方法在方法的一个步骤中为在时间上彼此跟随的音频数据的逐步进展的[0017]作为示例，频率表达的计算可以借助于短时傅里叶变换以2的11次幂11＝2048数6[0018]多个频率表达例如可以包括28个频率的重复频率下遵循紧急车辆的跟随特殊信号，以便可以分析所述信号的表征性的时间变划分也可以根据多分辨率滤波器组(multiratefilterbank)或根据其他的合并策略划[0020]不同倍频程的每个单个频率表达的相应的频率区段在根据本发明的另一步骤中7[0032]音调探测或基频分析(英语为：PitchDetection)借助于音频信号的自动关联计[0034]谱平度(英语为SpectralFlatness)尤其可以在要分类的特殊信号中通过其高的[0035]“自适应谱减法”过滤器为自适在规则的时间和频率区间中计算谱中的背景，诸如在音调/峰值类似的频率分量之下的平8[0042]时间有限或短时傅里叶变换(英语STFT＝Short-TimeFourierTransform)是如形的信号借助于多个频率表达的频率分量的数量通过生成分类矢[0050]特殊信号的分类可以借助于人工神经网络(KNN，英语为：ArtificialNeural[0052]这种神经网基于连接的单元或节点的汇集，所述单元或节点称作为人工神经9号借助于多个频率表达的频率分量的数量通过生成分类的信号借助于多个频率表达的频率分量的数量通过生[0058]对上文的前馈神经网的实施方案补充地，人工神经卷积网(ConvolutionalNeuralNetwork)的结构由一个或多个由池化层跟随的卷积层(convolutionallayer)构的情况下使用。号借助于多个频率表达的频率分量的数量通过生[0065]根据该方法的另一设计方案提出，分类器是k最近邻k-NN(k-Nearest-Neighbor)控至少部分自动化的车辆的操控信号和/或用于警告车辆乘种决策系统可以设置在至少部分自动化的车辆中和设置在驾驶员辅助系统0.2秒的时间窗从时间上彼此跟随的数字音频数据的大约三秒的始端借助于短时傅里叶变述时间窗以0.1秒在时间上继续移动，以便执行另外的短时傅里叶变换并且形成第二频率置在倍频程中地形成并且包括各个频率表达中的每个频率表[0094]例如12个频率区段的值由每个单个频率表达的不同的倍频程的相应的频率区段、[0095]28个频率表达的这12个频率分量