来源：期刊VIP网 时间：
作者：卓文海;刘庆杰;徐璐;刘博亮;刘文武;
单位：广州地铁设计研究院股份有限公司;华东交通大学轨道交通基础设施性能监测与保障国家重点实验室;
摘要：针对背景噪声干扰下轨道交通诱发室内二次结构噪声的识别难题，提出一种基于卷积神经网络（Convolutional Neural Network,CNN）的室内二次结构噪声识别方法。通过梅尔频率倒谱系数（Mel Frequency Cepstral Coefficients,MFCC）提取噪声信号的时域特征，将噪声识别问题转变成图片识别问题。建立二次结构噪声图像库与背景噪声库，设计网络结构，将时域图输入CNN模型，实现噪声信号的分类。设计多组学习率与MFCC维度的对比试验，优化模型分类效果。结果表明：MFCC提取的时频特征中车致二次结构噪声相对连续，各频段能量均匀分布，且高低频段能量分布差异明显；背景噪声能量分布随时间变化而变化；当学习率设置为0.000 5、MFCC特征维度为40时，模型分类效果最佳，二次结构噪声的F1分数可达到97.1%；对现场实时采集的数据分类效果良好，说明建立的MFCC-CNN模型能有效识别列车诱发二次结构噪声信号。
关键词：轨道交通;;二次结构噪声;;卷积神经网络;;梅尔倒谱系数;;信号识别
基金资助：国家自然科学基金（51868024）
