张留军， 王 玫,2， 罗丽燕

(1.桂林电子科技大学 认知无线电与信息处理教育部重点实验室，广西 桂林 541004；2.桂林理工大学 信息科学与工程学院，广西 桂林 541006)

随着城市的发展，城市中机动车的保有量日益增加，由此引起的城市交通堵塞和汽车鸣笛声污染等问题给人们的工作和生活造成了极大困扰。目前，我国已初步建成以视频处理为主要技术手段的交通监控系统，可为交通状况预警和车辆调度提供有力支持，但无法对车辆鸣笛等声污染进行有效监控。因此，街道环境声事件检测作为声污染监控的重要组成部分，对城市噪声污染的管控具有极其重要的现实意义。

环境声事件识别是指对采集的环境声数据进行分析进而识别出所包含的声学事件，目前常采用机器学习方法解决环境声事件识别问题。在该领域中，数据、特征和分类算法决定了机器学习的性能，因此，这三部分也是影响环境声事件识别性能的关键因素。在早期的环境声事件识别的研究中，由于识别任务较为简单，加之计算机算力的不足，常采用传统的机器学习算法作为分类器，例如K近邻(K-nearest neighbor，简称KNN)算法[1]、支持向量机(support vector machines，简称SVMs)[2-3]和随机森林(random forest，简称RF)算法[4]等，但近年来随着环境声事件识别投入实际场景应用的需求增加，环境声事件识别所面临的背景噪声更加复杂多变，上述分类器由于对复杂信号的建模能力有限，因而无法满足环境声事件识别的要求。为解决这些问题，基于……