Frequency Tracking Features for Domain-Robust and Data-Efficient Deep Siren Identification

doi:10.1109/TASLPRO.2025.3646824

Frequency Tracking Features for Domain-Robust and Data-Efficient Deep Siren Identification

2026-01-01

0

PRE

AI

DOI：10.1109/TASLPRO.2025.3646824

原文链接

原文求助

摘要

En 中文

警笛识别系统对于智能车辆早期检测需要驾驶员注意和响应的紧急情况至关重要。在交通噪声中识别警笛声音的问题主要采用深度学习来解决，以应对具有强烈和无结构背景噪声特征的城市声景。虽然处理频谱图特征的卷积神经网络是当前最佳方法，但其性能依赖于大型多样化数据集的可用性，并受限于领域偏移。为了构建不依赖难以在实践中获取的广泛训练数据集的领域鲁棒模型，本研究提出了一种基于频率跟踪的低复杂度特征提取方法。利用警笛信号的谐波特性，我们采用单参数自适应陷波滤波器来跟踪其周期性变化的基频以及跟踪正弦波功率与全输入信号功率的比值。这些特征被用作小型卷积网络的输入，该网络完全在合成数据上进行训练。评估结果表明，所提出的系统能够很好地泛化到多个训练期间未见过的真实世界数据集，在数据有限的情况下优于基于频谱图的当前最佳方法，同时模型尺寸更小。

Keyword:

Training

Feature extraction

Convolutional neural networks

Spectrogram

Sensors

Data models

Synthetic data

Computer architecture

Radar tracking

Noise

Siren identification

frequency tracking

domain generalization

synthetic training

convolutional neural network

Frequency Tracking Features for Domain-Robust and Data-Efficient Deep Siren Identification

摘要

期刊

机构