發(fā)布時間：2020-03-31 20:24

【摘要】：安全是軌道交通運輸行業(yè)的第一要務,車站值班員是與安全運輸息息相關的重要崗位,車站值班員的疲勞程度會影響工作效率,甚至會影響運輸安全�？紤]到車站值班員在工作過程中需要經(jīng)常口呼指令,因此,通過語音可以對值班員的疲勞狀態(tài)進行實時監(jiān)控,有效降低由于值班員的疲勞給列車運行安全帶來的隱患。本文中收集不同疲勞程度的語音樣本,提取語音疲勞度特征參數(shù),探究不同語音特征與疲勞度之間的關系,并通過神經(jīng)網(wǎng)絡來實現(xiàn)根據(jù)選擇的語音特征對疲勞度進行檢測。本文中所做的工作主要包括:第一,語音數(shù)據(jù)樣本收集。目前缺少公開的疲勞相關的語音數(shù)據(jù)集,本次研究使用自行采集的男女聲語音數(shù)據(jù),數(shù)據(jù)中包含兩種語音內(nèi)容,標注為四種疲勞狀態(tài):非常精神狀態(tài),一般狀態(tài),比較疲勞狀態(tài),非常疲勞狀態(tài)。第二,語音疲勞度特征提取。本文選取短時能量、短時平均過零率、梅爾頻率倒譜系數(shù)、基音頻率和第一共振峰五種語音特征用于對疲勞度進行分析,首先對語音信號進行分幀和降噪,接著使用能熵比法進行端點檢測,最后采用對應算法提取各特征參數(shù)。第三,特征數(shù)據(jù)的分析與處理。首先,對于特征數(shù)據(jù)中存在的異常點進行清洗,提高數(shù)據(jù)質量,接著對單內(nèi)容語音、不同內(nèi)容語音以及不同說話人的不同內(nèi)容語音分別進行了語音特征的疲勞度關聯(lián)性分析,最后確定了用于疲勞度分類實驗的特征參數(shù)群。第四,基于神經(jīng)網(wǎng)絡的語音疲勞度分類實驗。使用Tensorflow框架搭建神經(jīng)網(wǎng)絡,采用Adam算法將處理好的語音特征數(shù)據(jù)用于網(wǎng)絡訓練,并測試其對疲勞度區(qū)分的準確度。對多次實驗結果進行總結,結果表明在本文采用的疲勞語音數(shù)據(jù)集上,通過語音特征對疲勞度進行區(qū)分,取得了不錯的效果。
【圖文】：

一研究流程

進而求出理想語音信號的估計值逡逑以本次研究中使用的語音數(shù)據(jù)中的一條帶噪語音為例，使用維納濾波器法進逡逑行降噪，，降噪前后的語音波形見圖２－１：逡逑１５逡逑
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：U298;TN912.3;TP183

【參考文獻】

相關期刊論文 前8條

1 李勇達;張超;孟令君;;基于頭部姿態(tài)特征的列車司機疲勞駕駛檢測系統(tǒng)研究[J];交通信息與安全;2014年05期

2 周夕良;;語音情感識別的發(fā)展與展望[J];信息技術;2013年11期

3 韓文靜;李海峰;阮華斌;馬琳;;語音情感識別研究進展綜述[J];軟件學報;2014年01期

4 王民;曹繪;要趁紅;;一種改進的小波變換基音檢測算法[J];重慶郵電大學學報(自然科學版);2012年03期

5 魏玉;;駕駛員疲勞狀態(tài)下心電圖指標動態(tài)監(jiān)測研究[J];三門峽職業(yè)技術學院學報;2011年04期

6 于興玲;王民;張立材;;基于PERCLOS的駕駛員眼睛狀態(tài)檢測方法[J];微計算機信息;2007年14期

7 毛U

本文編號：2609534