基于改进MFCC融合特征及FA-PNN的驾驶员路怒情绪识别

作者：李尚卿; 王晓原^*; 张杨; 李浩; 项徽

来源：计算机工程与应用, 2023, 59(02): 306-313.

• 路怒情绪
• 语音信号处理
• FA-PNN
• 改进MFCC
• 特征融合

现今关于驾驶员路怒情绪识别方法中语音特性分析相对较少，该研究以路怒情绪为研究对象，利用模拟驾驶系统建立数据集，通过分析驾驶员语音的频谱特征，将时域中短时能量及短时过零率特征参数和改进Mel频率倒谱系数（Mel frequency cepstral coefficients,MFCC）特征参数融合构成特征参数向量，利用萤火虫算法（firefly algorithm,FA）优化PNN神经网络（probabilistic neural networks）并构建识别模型，实现驾驶员路怒情绪的识别。实验结果表明，在相同神经网络下，改进MFCC融合特征提取方法相比传统MFCC特征提取方法具有更好的抗噪性。同时，FA-PNN模型的识别准确率为93.0%，相比传统PNN模型提高了11个百分点；F1-Score值为0.932 8，提高了0.104 7。该研究论证了语音信号处理技术对驾驶员路怒情绪识别的可行性，为汽车主动安全驾驶预警研究提供了新方法。

• 单位
  机电工程学院; 青岛科技大学