DE102019213697B4

DE102019213697B4 - Method for recognizing an approach and / or distance of an emergency vehicle relative to a vehicle

Info

Publication number: DE102019213697B4
Application number: DE102019213697.4A
Authority: DE
Inventors: Jonas Schmidt; Michael Hertkorn
Original assignee: ZF Friedrichshafen AG
Current assignee: ZF Friedrichshafen AG
Priority date: 2019-09-10
Filing date: 2019-09-10
Publication date: 2021-09-16
Anticipated expiration: 2039-09-11
Also published as: DE102019213697A1

Abstract

Verfahren (300) zum Erkennen einer Annäherung und/oder Entfernung eines Einsatzfahrzeugs (114) relativ zu einem Fahrzeug (100) mittels eines Intensitätsvergleichs basierend auf einem Cepstrum, wobei das Einsatzfahrzeug (114) ein Martinshorn (116) zum Aussenden eines Signaltons (118) und das Fahrzeug (100) ein Mikrofon (106) zum Erfassen des Signaltons (118) aufweist, wobei das Verfahren (300) umfasst:Empfangen (310) von durch das Mikrofon (106) erzeugten Audiodaten (112) in einer Auswerteeinheit (102) des Fahrzeugs (100);Bestimmen (320) des Cepstrums aus den Audiodaten (112);Identifizieren (330) zumindest einer den Signalton (118) charakterisierenden Quefrenz in dem Cepstrum;Aufzeichnen (340) eines zeitlichen Verlaufs (202, 204) der Quefrenz;Ermitteln (350) eines Kenngrößenwerts zumindest einer statistischen Kenngröße für eine Mehrzahl aufeinanderfolgender Abschnitte (206) des zeitlichen Verlaufs (202, 204) der Quefrenz, um einen zeitlichen Verlauf der statistischen Kenngröße zu erhalten; Erkennen (360) der Annäherung und/oder Entfernung basierend auf dem zeitlichen Verlauf der statistischen Kenngröße, wobei die Kenngrößenwerte in ein neuronales Netzwerk eingegeben werden, das auf die Klassen Annäherung und/oder Entfernung trainiert wurde, und die Annäherung und/oder Entfernung als Klassifikatoren von dem neuronalen Netzwerk ausgegeben werden, wobei abhängig vom Erkennen der Annäherung und/oder Entfernung das Fahrzeug (100) gesteuert wird und das Fahrzeug (100) bei erkannter Annäherung durch Steuern eines oder mehrerer Aktoren des Fahrzeugs (100) in geeigneter Weise gelenkt und/oder abgebremst wird.Method (300) for detecting an approach and / or distance of an emergency vehicle (114) relative to a vehicle (100) by means of an intensity comparison based on a cepstrum, the emergency vehicle (114) using a siren (116) for emitting a signal tone (118) and the vehicle (100) has a microphone (106) for detecting the signal tone (118), the method (300) comprising: receiving (310) audio data (112) generated by the microphone (106) in an evaluation unit (102) of the vehicle (100); determining (320) the cepstrum from the audio data (112); identifying (330) at least one cross-limit characterizing the signal tone (118) in the cepstrum; recording (340) a temporal course (202, 204) of the cross-limit Determination (350) of a parameter value of at least one statistical parameter for a plurality of successive sections (206) of the temporal course (202, 204) of the frequency in order to obtain a temporal course of the statistical parameter en; Detection (360) of the approach and / or distance based on the time course of the statistical parameter, the parameter values being input into a neural network that has been trained for the classes approach and / or distance, and the approach and / or distance as classifiers are output by the neural network, the vehicle (100) being controlled depending on the detection of the approach and / or distance and the vehicle (100) being appropriately steered and / or or is braked.

Description

Die Erfindung betrifft ein Verfahren, ein Computerprogramm und ein computerlesbares Medium zum Erkennen einer Annäherung und/oder Entfernung eines Einsatzfahrzeugs relativ zu einem Fahrzeug. Des Weiteren betrifft die Erfindung ein Fahrzeugsystem.The invention relates to a method, a computer program and a computer-readable medium for recognizing an approach and / or distance of an emergency vehicle relative to a vehicle. The invention also relates to a vehicle system.

Ein Fahrzeug kann mit akustischen Sensoren zur Erfassung von Umgebungsgeräuschen ausgestattet sein. Durch Auswertung von Audiosignalen der akustischen Sensoren können beispielsweise herannahende Fahrzeuge in der Umgebung des Fahrzeugs verortet werden. Die Lokalisierung der Audiosignalquelle kann beispielsweise mittels Beamforming erfolgen. Weiterhin können Audiosignale durch geeignete Algorithmen klassifiziert werden, um bestimmte Frequenzmuster zu erkennen.A vehicle can be equipped with acoustic sensors to detect ambient noise. By evaluating audio signals from the acoustic sensors, approaching vehicles can be located in the vicinity of the vehicle, for example. The audio signal source can be localized, for example, by means of beamforming. Furthermore, audio signals can be classified by suitable algorithms in order to recognize certain frequency patterns.

Die US 2013 / 0 070 928 A1 offenbart Methoden, Systeme und Medien für mobile Audio-Ereignis-Erkennung.US 2013/0 070 928 A1 discloses methods, systems and media for mobile audio event detection.

Es ist Aufgabe der Erfindung, die Erkennung eines Audiosignals hinsichtlich einer Annäherung und/oder Entfernung eines Einsatzfahrzeugs zu verbessern.It is the object of the invention to improve the detection of an audio signal with regard to an approach and / or distance of an emergency vehicle.

Diese Aufgabe wird durch den Gegenstand der unabhängigen Ansprüche gelöst. Weitere Ausführungsformen der Erfindung ergeben sich aus den abhängigen Ansprüchen und aus der folgenden Beschreibung.This problem is solved by the subject matter of the independent claims. Further embodiments of the invention emerge from the dependent claims and from the following description.

Ein Aspekt der Erfindung betrifft ein Verfahren zum Erkennen einer Annäherung und/oder Entfernung eines Einsatzfahrzeugs, das ein Martinshorn zum Aussenden eines Signaltons aufweist, relativ zu einem Fahrzeug, das ein Mikrofon zum Erfassen des Signaltons aufweist. Das Verfahren kann automatisch von einer Komponente des Fahrzeugs, etwa einem Bordcomputer, einer Auswerteeinheit und/oder einem Fahrzeugsystem, durchgeführt werden. Das Fahrzeugsystem kann beispielsweise ein Bordcomputer oder ein Fahrassistenzsystem des Fahrzeugs sein. Es ist möglich, dass das Fahrzeugsystem ausgeführt ist, um ein Umfeld des Fahrzeugs zu erkennen und das Fahrzeug entsprechend dem Umfeld zu steuern, etwa zu lenken, zu beschleunigen, zu bremsen oder zu navigieren. Das Fahrzeugsystem kann einen Aktor zum Steuern des Fahrzeugs umfassen.One aspect of the invention relates to a method for detecting an approach and / or distance of an emergency vehicle that has a siren for emitting a signal tone, relative to a vehicle that has a microphone for detecting the signal tone. The method can be carried out automatically by a component of the vehicle, for example an on-board computer, an evaluation unit and / or a vehicle system. The vehicle system can be, for example, an on-board computer or a driver assistance system of the vehicle. It is possible for the vehicle system to be designed to recognize the surroundings of the vehicle and to control the vehicle in accordance with the surroundings, for example to steer, accelerate, brake or navigate. The vehicle system can include an actuator for controlling the vehicle.

Ein Einsatzfahrzeug kann beispielsweise ein Polizei-, Feuerwehr- oder Rettungsfahrzeug sein. Unter einem Martinshorn kann eine Sondersignalanlage mit akustischen und/oder optischen Einrichtungen zum Aussenden akustischer und/oder optischer Sondersignale zur Warnung anderer Verkehrsteilnehmer verstanden werden. Unter einem Signalton kann ein akustisches Sondersignal, etwa in Form einer Tonfolge aus einem tiefen Ton und einem hohen Ton oder eines an- und abschwellenden Heultons, verstanden werden.An emergency vehicle can be, for example, a police, fire service or rescue vehicle. A siren can be understood as a special signaling system with acoustic and / or optical devices for emitting acoustic and / or optical special signals to warn other road users. A signal tone can be understood to mean an acoustic special signal, for example in the form of a tone sequence made up of a low tone and a high tone or an increasing and decreasing howling tone.

Unter einem Fahrzeug kann ein Kraftfahrzeug wie etwa ein Pkw, Lkw oder Bus oder ein Motorrad verstanden werden.A vehicle can be understood to mean a motor vehicle such as a car, truck or bus or a motorcycle.

Unter einem Mikrofon kann ein Schallwandlerelement verstanden werden, das ausgeführt ist, um Schallwechseldruckschwingungen in ein elektrisches Signal umzuwandeln. Beispielsweise kann das Mikrofon zweckmäßigerweise an einem Stoßfänger des Fahrzeugs und/oder seitlich am Fahrzeug angeordnet sein. Das Fahrzeug kann auch mehrere Mikrofone aufweisen, die an unterschiedlichen Stellen des Fahrzeugs platziert sein können, beispielsweise an einem vorderen und/oder hinteren Stoßfänger und/oder seitlich am Fahrzeug und/oder auf einem Dach des Fahrzeugs.A microphone can be understood as a sound transducer element which is designed to convert sound pressure oscillations into an electrical signal. For example, the microphone can expediently be arranged on a bumper of the vehicle and / or on the side of the vehicle. The vehicle can also have several microphones that can be placed at different points on the vehicle, for example on a front and / or rear bumper and / or on the side of the vehicle and / or on a roof of the vehicle.

Gemäß einer Ausführungsform umfasst das Verfahren einen Schritt des Empfangens von durch das Mikrofon erzeugten Audiodaten in einer Auswerteeinheit des Fahrzeugs, einen Schritt des Bestimmens eines Cepstrums aus den Audiodaten, einen Schritt des Identifizierens zumindest einer den Signalton charakterisierenden Quefrenz in dem Cepstrum, einen Schritt des Aufzeichnens eines zeitlichen Verlaufs der Quefrenz, einen Schritt des Ermittelns eines Kenngrößenwerts zumindest einer statistischen Kenngröße für eine Mehrzahl aufeinanderfolgender Abschnitte des zeitlichen Verlaufs der Quefrenz, um einen zeitlichen Verlauf der statistischen Kenngröße zu erhalten, sowie schließlich einen Schritt des Erkennens der Annäherung und/oder Entfernung basierend auf dem zeitlichen Verlauf der statistischen Kenngröße.According to one embodiment, the method comprises a step of receiving audio data generated by the microphone in an evaluation unit of the vehicle, a step of determining a cepstrum from the audio data, a step of identifying at least one frequency characterizing the signal tone in the cepstrum, a step of recording a temporal progression of the quefrenz, a step of determining a parameter value of at least one statistical parameter for a plurality of successive sections of the temporal progression of the quefrenz in order to obtain a temporal progression of the statistical parameter, and finally a step of recognizing the approach and / or distance based on the temporal course of the statistical parameter.

Anders ausgedrückt erfolgt die Erkennung der Annäherung und/oder Entfernung des Einsatzfahrzeugs mittels eines Intensitätsvergleichs basierend auf einem Cepstrum ohne Berücksichtigung einer Richtung, in die der Signalton von dem Einsatzfahrzeug ausgesandt wird. Die vom Mikrofon erzeugten Audiodaten können hierbei schon im Vorfeld als Signalton, etwa als Sirene, klassifiziert worden sein.In other words, the approach and / or distance of the emergency vehicle is recognized by means of an intensity comparison based on a cepstrum without taking into account a direction in which the signal tone is emitted by the emergency vehicle. The audio data generated by the microphone can already have been classified in advance as a signal tone, such as a siren.

Insbesondere im Rahmen autonomen Fahrens ist es von Interesse, ein herannahendes von einem sich entfernenden Einsatzfahrzeug zu unterscheiden, da ein herannahendes Einsatzfahrzeug ein potenzielles Risiko darstellt, auf das mit entsprechenden Maßnahmen reagiert werden sollte. Hingegen stellt ein sich entfernendes Einsatzfahrzeug ein geringeres potenzielles Risiko dar. Der hier beschriebene Ansatz ermöglicht es, eine solche Unterscheidung mit hoher Zuverlässigkeit unter Nutzung einer ohnehin vorhandenen Fahrzeugsensorik vorzunehmen. Vereinfacht ausgedrückt wird dabei ein Pegel empfangener (Sirenen-)Signale über die Zeit beobachtet und beispielsweise erkannt, dass sich die entsprechende Signalquelle, also das Einsatzfahrzeug, nähert, wenn der Pegel zunimmt, d. h., wenn die Sirene lauter wird. Über das Cepstrum können relevante Frequenzen gefiltert werden, genauer eine oder mehrere Grundfrequenzen und etwaige Obertöne des Signaltons. Dies hat den Vorteil, dass der Einfluss von Störgrößen wie etwa Umgebungsgeräuschen oder Rauschen auf die Erkennung reduziert werden kann. Die zeitliche Entwicklung mindestens einer statistischen Kenngröße in Bezug auf das Cepstrum kann ferner vorteilhaft genutzt werden, um die Erkennung mithilfe eines neuronalen Netzes durchzuführen. Somit können flexibel neue Szenarien antrainiert werden. Die Erkennung kann dementsprechend zuverlässig erfolgen.In the context of autonomous driving in particular, it is of interest to differentiate between an approaching emergency vehicle and a retreating emergency vehicle, since an approaching emergency vehicle represents a potential risk to which appropriate measures should be taken. In contrast, an emergency vehicle moving away represents a lower potential risk. The approach described here enables such a differentiation to be made with high reliability using vehicle sensors that are already present to undertake. In simple terms, a level of received (siren) signals is observed over time and, for example, it is recognized that the corresponding signal source, i.e. the emergency vehicle, is approaching when the level increases, ie when the siren becomes louder. Relevant frequencies can be filtered via the cepstrum, more precisely one or more fundamental frequencies and any overtones of the signal tone. This has the advantage that the influence of disturbance variables such as ambient noise or noise on the detection can be reduced. The development over time of at least one statistical parameter in relation to the cepstrum can also be used advantageously to carry out the detection with the aid of a neural network. This means that new scenarios can be trained flexibly. The detection can accordingly take place reliably.

Unter Audiodaten können durch das Mikrofon beim Aufnehmen von Schallwechseldruckschwingungen erzeugte elektrische Signale oder durch geeignetes Weiterverarbeiten der elektrischen Signale, etwa durch Filterung oder Transformation, aufbereitete digitale Daten verstanden werden.Audio data can be understood to mean electrical signals generated by the microphone when recording alternating sound pressure vibrations or digital data prepared by suitable further processing of the electrical signals, for example by filtering or transformation.

Die Auswerteeinheit kann Teil des Bordcomputers oder eines Steuergeräts des Fahrzeugsystems sein. Beispielsweise kann die Auswerteeinheit ausgeführt sein, um das Fahrzeugsystem zu steuern. Die Auswerteeinheit kann ein Teil des Bordcomputers des Fahrzeugs sein.The evaluation unit can be part of the on-board computer or a control unit of the vehicle system. For example, the evaluation unit can be designed to control the vehicle system. The evaluation unit can be part of the vehicle's on-board computer.

Unter einem Cepstrum kann ein Spektrum eines logarithmierten Frequenzbereichs eines Signals verstanden werden. Ein Cepstrum wird im Allgemeinen durch eine inverse Fouriertransformation erzeugt, bei der das Signal aus dem logarithmierten Frequenzbereich zurück in einen Zeitbereich transformiert wird. Durch die Logarithmierung im Frequenzbereich können harmonische Signalanteile hervorgehoben werden, auch wenn die Signalanteile nur eine relativ kleine Amplitude aufweisen.A cepstrum can be understood to mean a spectrum of a logarithmic frequency range of a signal. A cepstrum is generally generated by an inverse Fourier transform, in which the signal is transformed from the logarithmic frequency range back into a time range. By taking the logarithm in the frequency range, harmonic signal components can be emphasized, even if the signal components only have a relatively small amplitude.

Mit anderen Worten macht ein Cepstrum periodische Elemente im Frequenzbereich des Signals sichtbar, ebenso wie ein Spektrum periodische Elemente im Zeitbereich des Signals sichtbar macht.In other words, a cepstrum makes periodic elements visible in the frequency domain of the signal, just as a spectrum makes periodic elements visible in the time domain of the signal.

Unter einer Quefrenz kann eine Variable einer Cepstrumfunktion verstanden werden. Bei der Quefrenz handelt es sich um eine zeitliche Größe, die die im Spektrum auftretenden Perioden anzeigt. Unter einer den Signalton charakterisierenden Quefrenz kann eine zumindest einer Grundfrequenz des Signaltons und deren Obertönen zugeordnete Quefrenz verstanden werden. Die den Signalton charakterisierende Quefrenz kann beispielsweise durch Filtern des Cepstrums basierend auf einem oder mehreren den Signalton repräsentierenden Filterkriterien bestimmt werden.A frequency can be understood as a variable of a cepstrum function. The Quefrenz is a time value that shows the periods occurring in the spectrum. A frequency characterizing the signal tone can be understood to mean a frequency limit assigned to at least one fundamental frequency of the signal tone and its overtones. The frequency characterizing the signal tone can be determined, for example, by filtering the cepstrum based on one or more filter criteria representing the signal tone.

Unter einer statistischen Kenngröße kann ein Parameter zur statistischen Beschreibung und/oder Analyse des zeitlichen Verlaufs der Quefrenz verstanden werden, wie beispielsweise ein arithmetischer Mittelwert, ein Median, ein Modalwert, ein Quantil, eine Standardabweichung, eine Spannweite, eine Autokorrelation oder eine Kombination aus mindestens zwei der genannten Parameter.A statistical parameter can be understood as a parameter for the statistical description and / or analysis of the temporal course of the quefrenz, such as an arithmetic mean, a median, a modal value, a quantile, a standard deviation, a range, an autocorrelation or a combination of at least two of the parameters mentioned.

Die aufeinanderfolgenden Abschnitte können Zeitabschnitte mit je einer konstanten Dauer sein. Auch können die Abschnitte beispielsweise gleich lang sein. The successive sections can be time sections each with a constant duration. The sections can also be of the same length, for example.

Zusammengenommen können die Abschnitte beispielsweise einen bestimmten Teilabschnitt des Cepstrums oder das gesamte Cepstrum darstellen.Taken together, the sections can represent, for example, a specific subsection of the cepstrum or the entire cepstrum.

Erfindungsgemäß werden die Kenngrößenwerte in ein neuronales Netzwerk eingegeben, das auf die Klassen Annäherung und/oder Entfernung trainiert wurde. Dementsprechend kann die Annäherung und/oder Entfernung als Klassifikator von dem neuronalen Netzwerk ausgegeben werden. Unter einem neuronalen Netzwerk kann ein Netzwerk aus künstlichen Neuronen verstanden werden, wobei die Neuronen in einer oder mehreren hintereinanderliegenden trainierbaren Schichten angeordnet sein können, wie etwa bei einem Convolutional Neural Network, kurz CNN, das sich für die Verarbeitung von Bild- und Audiodaten durch maschinelles Lernen eignet. Durch einen derartigen Klassifikator kann der zeitliche Verlauf der statistischen Kenngröße derjenigen Klasse zugeordnet werden, zu der der zeitliche Verlauf der statistischen Kenngröße mit größter Wahrscheinlichkeit gehört. Durch diese Ausführungsform können flexibel neue Szenarien angelernt werden. Somit können die Erkennungsgenauigkeit und die Robustheit des Verfahrens verbessert werden.According to the invention, the parameter values are input into a neural network that has been trained for the classes of approach and / or distance. Accordingly, the approach and / or distance can be output as a classifier by the neural network. A neural network can be understood as a network of artificial neurons, whereby the neurons can be arranged in one or more trainable layers lying one behind the other, such as in a convolutional neural network, or CNN for short, which is used for processing image and audio data by machine Learning is suitable. By means of such a classifier, the time profile of the statistical parameter can be assigned to that class to which the time profile of the statistical parameter belongs with the greatest probability. With this embodiment, new scenarios can be learned in a flexible manner. Thus, the recognition accuracy and the robustness of the method can be improved.

Gemäß einer Ausführungsform kann die Annäherung erkannt werden, wenn der zeitliche Verlauf der statistischen Kenngröße einen Anstieg der statistischen Kenngröße anzeigt. Vorteilhaft ist dabei, dass ein solcher Anstieg mit relativ geringem Rechenaufwand ermittelt werden kann.According to one embodiment, the approach can be recognized when the time profile of the statistical parameter indicates an increase in the statistical parameter. It is advantageous here that such an increase can be determined with relatively little computing effort.

Gemäß einer Ausführungsform kann aus den Audiodaten durch eine erste Fouriertransformation ein Frequenzspektrum ermittelt werden, aus dem Frequenzspektrum durch Logarithmierung ein logarithmiertes Frequenzspektrum ermittelt werden und aus dem logarithmierten Frequenzspektrum durch eine zweite Fouriertransformation das Cepstrum ermittelt werden. Bei der ersten und/oder zweiten Fouriertransformation kann es sich beispielsweise um eine schnelle Fouriertransformation, englisch fast Fourier transform oder kurz FFT, handeln. Dadurch können harmonische Signalanteile im Frequenzspektrum hervorgehoben werden.According to one embodiment, a frequency spectrum can be determined from the audio data by a first Fourier transformation, a logarithmized frequency spectrum can be determined from the frequency spectrum by logarithmizing and the cepstrum can be determined from the logarithmized frequency spectrum by a second Fourier transformation. The first and / or second Fourier transform can, for example, be a fast Fourier transform Fourier transform or FFT for short, act. This allows harmonic signal components to be emphasized in the frequency spectrum.

Je nach Ausführungsform kann die statistische Kenngröße einen arithmetischen Mittelwert, eine Standardabweichung, eine mittlere Steigung, eine Autokorrelation oder eine Kombination aus mindestens zwei der genannten Parameter umfassen. Dadurch können Störeinflüsse in Bezug auf das Frequenzspektrum, wie Rauschen oder Signalstörungen, kompensiert werden.Depending on the embodiment, the statistical parameter can comprise an arithmetic mean value, a standard deviation, a mean slope, an autocorrelation or a combination of at least two of the parameters mentioned. In this way, interference in relation to the frequency spectrum, such as noise or signal interference, can be compensated.

Gemäß einer Ausführungsform können die Abschnitte des zeitlichen Verlaufs der Quefrenz jeweils zwischen 0,1 und 2 Sekunden, wie etwa zwischen 0,5 und 1,5 Sekunden, beispielsweise 1 Sekunde, lang sein. Dadurch wird eine einfache Berechnung bei ausreichend hoher Auflösung ermöglicht.According to one embodiment, the sections of the temporal course of the frequency can each be between 0.1 and 2 seconds, such as between 0.5 and 1.5 seconds, for example 1 second, long. This enables a simple calculation with a sufficiently high resolution.

Gemäß einer Ausführungsform kann der zeitliche Verlauf der Quefrenz und/oder der statistischen Kenngröße geglättet werden. Dadurch können zufallsbedingte Schwankungen der Berechnungsergebnisse vermieden werden.According to one embodiment, the time course of the frequency and / or the statistical parameter can be smoothed. In this way, random fluctuations in the calculation results can be avoided.

Gemäß einer Ausführungsform kann der Kenngrößenwert für mindestens zehn aufeinanderfolgende Abschnitte des zeitlichen Verlaufs der Quefrenz ermittelt werden. Beispielsweise kann eine durch die Abschnitte gebildete Zeitreihe je nach geforderter Erkennungsgenauigkeit 5, 10 oder 20 Sekunden lang sein. Dadurch kann der zeitliche Verlauf der Quefrenz eindeutig bestimmt werden.According to one embodiment, the parameter value can be determined for at least ten successive sections of the time profile of the frequency limit. For example, a time series formed by the sections can be 5, 10 or 20 seconds long, depending on the required recognition accuracy. As a result, the time course of the frequency can be clearly determined.

Erfindungsgemäß wird abhängig vom Erkennen der Annäherung und/oder Entfernung das Fahrzeug gesteuert. Zusätzlich oder alternativ kann ein Wiedergabesignal zur akustischen und/oder optischen Wiedergabe eines Hinweises an einen Nutzer generiert werden. Ein Nutzer kann etwa ein Fahrer oder Beifahrer sein. Unter einem Hinweis kann beispielsweise ein Warnton und/oder ein Warnlicht, etwa ein aufleuchtendes Symbol auf einer Instrumententafel o. Ä., verstanden werden. Erfindungsgemäß wird das Fahrzeug bei erkannter Annäherung durch Steuern eines oder mehrerer Aktoren des Fahrzeugs in geeigneter Weise gelenkt und/oder abgebremst, etwa um Platz für das herannahende Einsatzfahrzeug zu machen. Dadurch können Behinderungen des Einsatzfahrzeugs vermieden werden.According to the invention, the vehicle is controlled as a function of the detection of the approach and / or distance. Additionally or alternatively, a playback signal can be generated for the acoustic and / or optical playback of a message to a user. A user can be a driver or a passenger, for example. A note can be understood to mean, for example, a warning tone and / or a warning light, for example an illuminated symbol on an instrument panel or the like. According to the invention, when an approach is detected, the vehicle is steered and / or braked in a suitable manner by controlling one or more actuators of the vehicle, for example in order to make room for the approaching emergency vehicle. In this way, obstructions to the emergency vehicle can be avoided.

Weitere Aspekte der Erfindung betreffen ein Computerprogramm, das, wenn es auf einem Prozessor ausgeführt wird, das Verfahren, wie es hier beschrieben wird, durchführt, sowie ein computerlesbares Medium, auf dem ein derartiges Computerprogramm gespeichert ist. Ein computerlesbares Medium kann eine Harddisk, ein USB-Speichergerät, ein RAM, ROM, EPROM oder FLASH-Speicher sein. Ein computerlesbares Medium kann auch ein Datenkommunikationsnetzwerk sein, beispielsweise das Internet, das den Download eines Programmcodes ermöglicht. Das computerlesbare Medium kann ein transitorisches oder nicht transitorisches Medium sein. Merkmale des Verfahrens, so wie oben und unten stehend beschrieben, können auch Merkmale des Computerprogramms und/oder des computerlesbaren Mediums sein.Further aspects of the invention relate to a computer program which, when it is executed on a processor, carries out the method as described here, and to a computer-readable medium on which such a computer program is stored. A computer-readable medium can be a hard disk, a USB storage device, RAM, ROM, EPROM or FLASH memory. A computer-readable medium can also be a data communication network, for example the Internet, which enables program code to be downloaded. The computer readable medium can be transitory or non-transitory. Features of the method, as described above and below, can also be features of the computer program and / or the computer-readable medium.

Ein weiterer Aspekt der Erfindung betrifft ein Fahrzeugsystem. Das Fahrzeugsystem umfasst wenigstens ein Mikrofon und eine Auswerteeinheit, die ausgeführt ist, um das Verfahren, so wie oben und unten stehend beschrieben, durchzuführen. Das Fahrzeugsystem kann insbesondere Fahrassistenzfunktionen umsetzen. Merkmale des Verfahrens, so wie oben und unten stehend beschrieben, können auch Merkmale des Fahrzeugsystems sein und umgekehrt.Another aspect of the invention relates to a vehicle system. The vehicle system comprises at least one microphone and an evaluation unit which is designed to carry out the method as described above and below. The vehicle system can in particular implement driver assistance functions. Features of the method, as described above and below, can also be features of the vehicle system and vice versa.

Im Folgenden werden Ausführungsbeispiele der Erfindung mit Bezug auf die beiliegenden Figuren detailliert beschrieben.

1 zeigt schematisch ein Fahrzeug mit einer Auswerteeinheit gemäß einem Ausführungsbeispiel der Erfindung.
2 zeigt schematisch einen zeitlichen Verlauf eines Signaltons, eines daraus ermittelten zeitlichen Verlaufs einer Quefrenz und eines geglätteten zeitlichen Verlaufs der Quefrenz zur Auswertung in einer Auswerteeinheit gemäß einem Ausführungsbeispiel der Erfindung.
3 zeigt ein Ablaufdiagramm eines Verfahrens gemäß einem Ausführungsbeispiel der Erfindung.

In the following, exemplary embodiments of the invention are described in detail with reference to the accompanying figures.

1 shows schematically a vehicle with an evaluation unit according to an embodiment of the invention.
2 shows schematically a time profile of a signal tone, a time profile of a quefrenz determined therefrom and a smoothed time profile of the quefrenz for evaluation in an evaluation unit according to an embodiment of the invention.
3 shows a flow chart of a method according to an embodiment of the invention.

Die in den Figuren verwendeten Bezugszeichen und ihre Bedeutung sind in zusammenfassender Form in der Liste der Bezugszeichen aufgeführt. Grundsätzlich sind identische oder ähnliche Teile mit den gleichen Bezugszeichen versehen.The reference symbols used in the figures and their meaning are summarized in the list of reference symbols. In principle, identical or similar parts are provided with the same reference symbols.

1 zeigt schematisch ein Fahrzeug 100 mit einer Auswerteeinheit 102 gemäß einem Ausführungsbeispiel der Erfindung. Die Auswerteeinheit 102, die hier beispielhaft als Modul eines Bordcomputers 104 des Fahrzeugs 100 ausgeführt ist, ist gemäß diesem Ausführungsbeispiel an zwei Mikrofone 106 gekoppelt. Je nach Ausführungsform kann die Auswerteeinheit 102 auch mit mehr oder weniger als zwei Mikrofonen 106 gekoppelt sein. Dabei ist ein erstes Mikrofon 106 in einen vorderen Stoßfänger 108 des Fahrzeugs 100 und ein zweites Mikrofon 106 in einen hinteren Stoßfänger 110 des Fahrzeugs 100 eingebaut. Die Mikrofone 106 sind ausgeführt, um Umgebungsgeräusche aufzunehmen und in Form digitaler Audiodaten 112 an die Auswerteeinheit 102 zu senden. 1 shows schematically a vehicle 100 with an evaluation unit 102 according to an embodiment of the invention. The evaluation unit 102 , shown here as an example of a module for an on-board computer 104 of the vehicle 100 is carried out, is according to this embodiment to two microphones 106 coupled. Depending on the embodiment, the evaluation unit 102 even with more or less than two microphones 106 be coupled. There is a first microphone 106 into a front bumper 108 of the vehicle 100 and a second microphone 106 into a rear bumper 110 of the vehicle 100 built-in. The microphones 106 are designed to record ambient noise and in the form of digital audio data 112 to the evaluation unit 102 to send.

In dem in 1 beispielhaft gezeigten Szenario nähert sich dem Fahrzeug 100 von hinten ein Einsatzfahrzeug 114 mit eingeschaltetem Martinshorn 116. Das Martinshorn 116 sendet einen Signalton 118 aus, etwa eine Tonfolge aus einem tieferen Ton und einem höheren Ton. Dementsprechend erfassen die Mikrofone 106, insbesondere das dem Einsatzfahrzeug 114 zugewandte Mikrofon 106 am hinteren Stoßfänger 110, den Signalton 118, dessen Intensität mit abnehmender Entfernung des Einsatzfahrzeugs 114 zum Fahrzeug 100 zunimmt.In the in 1 The scenario shown as an example is approaching the vehicle 100 from behind an emergency vehicle 114 with the siren switched on 116 . The sirloin 116 sends a beep 118 off, for example a tone sequence made up of a lower tone and a higher tone. The microphones pick up accordingly 106 , especially that of the emergency vehicle 114 facing microphone 106 on the rear bumper 110 , the beep 118 , its intensity with decreasing distance from the emergency vehicle 114 to the vehicle 100 increases.

Die Auswerteeinheit 102 ist ausgeführt, um aus den Audiodaten 112 durch geeignete Transformationen ein Cepstrum zu bestimmen, in dem harmonische Anteile des Signaltons 118 verstärkt sind. Hierdurch ist es möglich, Schwankungen in der Intensität des Signaltons 118 infolge der Annäherung bzw. Entfernung des Einsatzfahrzeugs 114 in Bezug auf das Fahrzeug 100 zu ermitteln, ohne dass die Schwankungen zu stark von zufallsbedingten Störgrößen beeinflusst werden. Aus dem Cepstrum wird in der Auswerteeinheit 102 mindestens eine Quefrenz herausgefiltert, die dem Signalton 118, genauer dessen Grundfrequenz(en) und den zugehörigen Obertönen, zugeordnet ist. Der zeitliche Verlauf der Quefrenz wird in der Auswerteeinheit 102 während eines bestimmten Aufnahmezeitraums aufgezeichnet und statistisch zusammengefasst, etwa indem der Aufnahmezeitraum in eine bestimmte Anzahl gleich langer Zeitabschnitte unterteilt wird und für jeden dieser Zeitabschnitte Werte mindestens einer geeigneten statistischen Kenngröße ermittelt werden. Das Ergebnis der statistischen Zusammenfassung ist wiederum ein zeitlicher Verlauf, der diesmal durch die jeweiligen, je einem Zeitabschnitt zugeordneten Kenngrößenwerte der verwendeten statistischen Kenngröße gebildet ist. Die Auswerteeinheit 102 wertet dann den zeitlichen Verlauf der statistischen Kenngröße entsprechend aus, um, wie in 1 gezeigt, die Annäherung des Einsatzfahrzeugs 114 zu erkennen. Beispielsweise erkennt die Auswerteeinheit 102 in diesem Fall einen Anstieg im zeitlichen Verlauf der statistischen Kenngröße, der auf einen Anstieg der Intensität des Signaltons 118 und somit auf die Annäherung hindeutet. Im umgekehrten Fall erkennt die Auswerteeinheit 102 optional auch eine Entfernung des Einsatzfahrzeugs 114, etwa wenn der zeitliche Verlauf der statistischen Kenngröße auf ein Abfallen der Intensität des Signaltons 118 hindeutet.The evaluation unit 102 is executed to from the audio data 112 using suitable transformations to determine a cepstrum in which the harmonic components of the signal tone 118 are reinforced. This makes it possible for fluctuations in the intensity of the signal tone 118 as a result of the approach or removal of the emergency vehicle 114 in relation to the vehicle 100 to be determined without the fluctuations being influenced too much by random disturbance variables. The evaluation unit turns the cepstrum into 102 at least one Quefrenz filtered out that corresponds to the signal tone 118 , more precisely whose fundamental frequency (s) and the associated overtones are assigned. The time course of the Quefrenz is in the evaluation unit 102 recorded during a specific recording period and summarized statistically, for example by dividing the recording period into a certain number of equally long time segments and determining values of at least one suitable statistical parameter for each of these time segments. The result of the statistical summary is again a time profile, which this time is formed by the respective parameter values of the statistical parameter used, each assigned to a time segment. The evaluation unit 102 then evaluates the temporal course of the statistical parameter accordingly, as in 1 shown the approach of the emergency vehicle 114 to recognize. For example, the evaluation unit recognizes 102 in this case an increase in the temporal course of the statistical parameter, which corresponds to an increase in the intensity of the signal tone 118 and thus indicates the approach. In the opposite case, the evaluation unit recognizes 102 optionally also a removal of the emergency vehicle 114 , for example if the time course of the statistical parameter indicates a drop in the intensity of the signal tone 118 suggests.

Die einzelnen Schritte des Verfahrens, angefangen vom Empfangen der Audiodaten 112 bis zum Erkennen der Annäherung bzw. Entfernung, können beispielsweise automatisch in der Auswerteeinheit 102 durchgeführt und zyklisch wiederholt werden.The steps in the process, starting with receiving the audio 112 until the approach or distance is recognized, for example, automatically in the evaluation unit 102 carried out and repeated cyclically.

Gemäß einem Ausführungsbeispiel dienen die Kenngrößenwerte der einzelnen Zeitabschnitte des Cepstrums als Eingangswerte für ein neuronales Netzwerk, das in die Auswerteeinheit 102 oder auch in eine sonstige Einheit des Bordcomputers 104 implementiert ist. Das neuronale Netzwerk wurde dazu im Vorfeld mit geeigneten Trainingsdaten auf die Klassen „Annäherung“ und „Entfernung“ trainiert. Anhand der Kenngrößenwerte ermittelt das neuronale Netzwerk dann einen Ausgangswert, der die Eingangswerte entweder der Klasse „Annäherung“ oder der Klasse „Entfernung“ zuordnet.According to one embodiment, the characteristic values of the individual time segments of the cepstrum serve as input values for a neural network that is fed into the evaluation unit 102 or in another unit of the on-board computer 104 is implemented. For this purpose, the neural network was trained in advance with suitable training data for the “approach” and “distance” classes. On the basis of the characteristic values, the neural network then determines an output value that assigns the input values either to the “Approach” class or the “Distance” class.

Gemäß diesem Ausführungsbeispiel sind die Mikrofone 106 und die Auswerteeinheit 102 Komponenten eines Fahrzeugsystems 120, das ausgeführt ist, um das Fahrzeug 100 basierend auf einem von der Auswerteeinheit 102 erzeugten Auswerteergebnis, hier die Erkennung der Annäherung des Einsatzfahrzeugs 114, durch Ansteuern geeigneter Fahrassistenzfunktionen in geeigneter Weise zu steuern, beispielsweise um das Fahrzeug 100 abzubremsen und/oder aus einer Rettungsgasse herauszubewegen. Das Fahrzeug 100 ist hierzu mit einem oder mehreren entsprechenden Aktoren 122 wie Lenk- oder Bremsaktoren ausgestattet. Die Steuerung des Fahrzeugs 100 erfolgt beispielsweise durch den Bordcomputer 104, der als Reaktion auf die Erkennung der Annäherung ein Steuersignal 123 zum Steuern des Aktors 122 ausgibt.According to this embodiment, the microphones 106 and the evaluation unit 102 Components of a vehicle system 120 that is running to the vehicle 100 based on one of the evaluation unit 102 generated evaluation result, here the detection of the approach of the emergency vehicle 114 , by controlling suitable driver assistance functions in a suitable manner, for example to control the vehicle 100 to brake and / or move out of an emergency lane. The vehicle 100 is for this purpose with one or more corresponding actuators 122 like steering or brake actuators. Control of the vehicle 100 is done, for example, by the on-board computer 104 , which sends a control signal in response to the detection of the approach 123 to control the actuator 122 issues.

Zusätzlich oder alternativ ist der Bordcomputer 104 ausgeführt, um bei erkannter Annäherung ein entsprechendes Wiedergabesignal 124 zu erzeugen. Gemäß diesem Ausführungsbeispiel dient das Wiedergabesignal 124 zur Wiedergabe eines Warntons über einen Innenlautsprecher 126 des Fahrzeugs 100. Durch den Warnton wird der Fahrer des Fahrzeugs 100 frühzeitig vor dem herannahenden Einsatzfahrzeug 114 gewarnt, sodass der Fahrer entsprechend reagieren kann.In addition or as an alternative, there is the on-board computer 104 executed to generate a corresponding playback signal when an approach is detected 124 to create. According to this embodiment, the playback signal is used 124 for reproducing a warning tone via an indoor loudspeaker 126 of the vehicle 100 . The driver of the vehicle is informed by the warning sound 100 in good time before the approaching emergency vehicle 114 warned so that the driver can react accordingly.

2 zeigt schematisch einen zeitlichen Verlauf 200 eines Signaltons, eines daraus ermittelten zeitlichen Verlaufs 202 einer Quefrenz und eines geglätteten zeitlichen Verlaufs 204 der Quefrenz zur Auswertung in einer Auswerteeinheit gemäß einem Ausführungsbeispiel der Erfindung, etwa in der vorangehend anhand von 1 beschriebenen Auswerteeinheit. Der Verlauf 200 bildet beispielhaft die in den Audiodaten enthaltenen Frequenzen des Signaltons mit der Einheit Hertz über einer Aufnahmedauer mit der Einheit Sekunde ab. Der Verlauf 202 bildet die dem Signalton entsprechende Quefrenz über die Aufnahmedauer ab. Die Ordinate repräsentiert dabei ein dimensionsloses Maß für die Intensität, nachfolgend auch Cepstralwert genannt. Der Verlauf 202 ist wellig, wobei die Intensität innerhalb von ungefähr 15 Sekunden ab Aufnahmebeginn stetig ansteigt. Anschließend fällt die Intensität stark ab und verbleibt in etwa auf dem Niveau zu Aufnahmebeginn. Der Verlauf 204 stellt das Ergebnis einer Glättung des Verlaufs 202 dar. Der wellenförmige Anstieg der Intensität ist damit noch besser zu erkennen. Die Glättung erfolgt optional. 2 shows schematically a course over time 200 a signal tone, a time course determined from it 202 a Quefrenz and a smoothed temporal course 204 the Quefrenz for evaluation in an evaluation unit according to an embodiment of the invention, for example in the preceding with reference to FIG 1 evaluation unit described. The history 200 shows, for example, the frequencies of the signal tone contained in the audio data with the unit Hertz over a recording duration with the unit second. The history 202 maps the frequency corresponding to the signal tone over the recording duration. The ordinate represents a dimensionless measure for the intensity, hereinafter also referred to as the cepstral value. The history 202 is wavy, with the intensity steadily increasing within about 15 seconds from the start of recording. The intensity then drops sharply and remains roughly at the level at the beginning of the recording. The history 204 represents the result of smoothing the gradient 202 The undulating increase in intensity is so you can see it even better. Smoothing is optional.

Zur Erkennung der Annäherung und/oder Entfernung des Einsatzfahrzeugs wird der geglättete Verlauf 204 gemäß einem Ausführungsbeispiel anhand einer Mehrzahl aufeinanderfolgender Abschnitte 206 gleicher Dauer analysiert, wie es nachfolgend näher beschrieben wird. Die Abschnitte 206 sind in 2 schematisch durch senkrechte Trennstriche angedeutet. Beispielsweise kann der gesamte Verlauf 204 oder nur ein bestimmter Teilbereich des Verlaufs 204 in die Abschnitte 206 unterteilt werden, um die Erkennung durchzuführen.The smoothed course is used to detect the approach and / or distance of the emergency vehicle 204 according to an embodiment based on a plurality of successive sections 206 of the same duration, as described in more detail below. The sections 206 are in 2 indicated schematically by vertical dividing lines. For example, the entire course 204 or only a certain part of the course 204 in the sections 206 can be divided to perform the detection.

3 zeigt ein Ablaufdiagramm eines Verfahrens 300 gemäß einem Ausführungsbeispiel der Erfindung. Das Verfahren 300 zum Erkennen einer Annäherung und/oder Entfernung eines Einsatzfahrzeugs relativ zu einem Fahrzeug kann beispielsweise durch die Auswerteeinheit 102, wie sie anhand von 1 beschrieben ist, durchgeführt werden. Die Auswerteeinheit 102 weist hierzu entsprechende Module auf, die beispielsweise Softwarekomponenten sein können. Die Softwarekomponenten werden etwa in dem Bordcomputer des Fahrzeugs 100 ausgeführt. 3 shows a flow chart of a method 300 according to an embodiment of the invention. The procedure 300 to detect an approach and / or distance of an emergency vehicle relative to a vehicle, for example by the evaluation unit 102 how to use 1 is described. The evaluation unit 102 has corresponding modules for this purpose, which can be software components, for example. The software components are installed in the vehicle's on-board computer 100 executed.

Mittels der Mikrofone 106 wird zunächst ein Audiosignal aufgenommen. Aus dem Audiosignal werden die Audiodaten 112 bestimmt, beispielsweise durch Digitalisieren. Die Audiodaten 112 werden an die Auswerteeinheit gesendet und von dieser in einem Schritt 310 empfangen.Using the microphones 106 an audio signal is recorded first. The audio data becomes the audio data 112 determined, for example by digitizing. The audio data 112 are sent to the evaluation unit and from it in one step 310 receive.

In der Auswerteeinheit erfolgt in einem Schritt 320 die Bestimmung eines Cepstrums aus den Audiodaten 112. Hierzu werden die Audiodaten 112 zunächst durch Fouriertransformation in einen Frequenzbereich übertragen, sodass die Audiodaten 112 als Spektrum vorliegen. Basierend auf dem Spektrum wird das Cepstrum bestimmt. Dies erfolgt durch Logarithmierung des Spektrums und durch anschließendes Rücktransformieren des logarithmierten Spektrums in den Zeitbereich.In the evaluation unit takes place in one step 320 the determination of a cepstrum from the audio data 112 . For this purpose the audio data 112 first transferred by Fourier transformation into a frequency range, so that the audio data 112 available as a spectrum. Based on the spectrum, the cepstrum is determined. This is done by taking the logarithm of the spectrum and then transforming the logarithmized spectrum back into the time domain.

In dem Cepstrum wird nun in einem Schritt 330 nach einem Cepstralwert gesucht, der eine relevante Grundfrequenz und deren Obertöne repräsentiert. Der Cepstralwert kann hierbei als eine Größe aufgefasst werden, die eine Art Amplitude der gesuchten Frequenz(en) angibt.In the cepstrum is now in one step 330 searched for a cepstral value that represents a relevant fundamental frequency and its overtones. The cepstral value can be understood here as a quantity which indicates a type of amplitude of the frequency (s) sought.

In einem nachfolgenden Schritt 340 wird der Cepstralwert über der Aufnahmedauer aufgezeichnet. Damit entsteht eine Zeitreihe 202, wie sie beispielhaft in 2 dargestellt ist, wobei die Zeit auf der Abszisse und der Cepstralwert auf der Ordinate abgetragen ist.In a subsequent step 340 the cepstral value is recorded over the recording time. This creates a time series 202 as exemplified in 2 is shown, with the time on the abscissa and the cepstral value on the ordinate.

Optional erfolgt noch eine Glättung der Zeitreihe 202, um zufallsbedingte Schwankungen zu beseitigen. Der zeitliche Verlauf 204 in 2 stellt beispielhaft das Ergebnis einer solchen Glättung dar.Optionally, the time series can also be smoothed 202 to eliminate random fluctuations. The course over time 204 in 2 shows the result of such a smoothing as an example.

Um zu einem bestimmten Zeitpunkt, etwa nach Ablauf von 10 Sekunden, vorhersagen zu können, ob sich das Einsatzfahrzeug 114 nähert oder entfernt, wird eine Historie von Zeitabschnitten 206, beispielsweise mit einer Länge von jeweils 1 Sekunde, ausgehend von einem gewählten Startzeitpunkt analysiert.In order to be able to predict at a certain point in time, for example after 10 seconds, whether the emergency vehicle will be 114 approaches or removes, becomes a history of time periods 206 , for example with a length of 1 second each, based on a selected starting time.

In diesen (relativ kurzen) Zeitabschnitten 206 werden in einem Schritt 350 verschiedene statistische Eigenschaften wie etwa Mittelwert, Standardabweichung, mittlere Steigung oder Autokorrelation, auch statistische Kenngrößen genannt, bestimmt.In these (relatively short) periods of time 206 be in one step 350 various statistical properties such as mean value, standard deviation, mean slope or autocorrelation, also called statistical parameters, determined.

Basierend auf einer zeitlichen Entwicklung der statistischen Eigenschaften wird in einem Schritt 360 beispielsweise ermittelt, dass der Mittelwert wächst. Dementsprechend wird die Annäherung des Einsatzfahrzeugs 114, d. h. der Quelle des Signaltons 118, erkannt.Based on a temporal development of the statistical properties, in one step 360 for example, determines that the mean value is growing. The approach of the emergency vehicle is corresponding 114 , ie the source of the beep 118 , recognized.

Gemäß einem Ausführungsbeispiel wird die zeitliche Entwicklung der statistischen Kenngrößen über die Zeitabschnitte 206 als Eingangsgröße für ein neuronales Netzwerk gewählt, das auf die Klassen „Annäherung“ und/oder „Entfernung“ trainiert wurde. Dementsprechend wird die Annäherung bzw. Entfernung von dem neuronalen Netzwerk als Klassifikator ausgegeben, durch den die zeitliche Entwicklung der statistischen Kenngrößen entweder als Annäherung oder als Entfernung erkannt wird.According to one exemplary embodiment, the development over time of the statistical parameters is determined over the time segments 206 was chosen as the input variable for a neural network that was trained for the “approach” and / or “distance” classes. Accordingly, the approach or distance from the neural network is output as a classifier, by means of which the development of the statistical parameters over time is recognized either as an approach or as a distance.

Möglich ist auch, dass, wie weiter oben beschrieben, das Fahrzeug 100 in einem optionalen Schritt 370 abhängig von einem im Schritt 360 erzeugten Erkennungsergebnis entsprechend gesteuert wird. Zusätzlich oder alternativ wird hierbei durch Generieren eines entsprechenden Wiedergabesignals 124 ein Nutzer des Fahrzeugs 100 auf das Erkennungsergebnis hingewiesen.It is also possible, as described above, that the vehicle 100 in an optional step 370 depending on one in the crotch 360 generated recognition result is controlled accordingly. Additionally or alternatively, this is done by generating a corresponding playback signal 124 a user of the vehicle 100 pointed to the recognition result.

Ergänzend ist darauf hinzuweisen, dass „umfassend“ keine anderen Elemente oder Schritte ausschließt und „eine“ oder „ein“ keine Vielzahl ausschließt. Ferner sei darauf hingewiesen, dass Merkmale oder Schritte, die mit Verweis auf eines der obigen Ausführungsbeispiele beschrieben worden sind, auch in Kombination mit anderen Merkmalen oder Schritten anderer oben beschriebener Ausführungsbeispiele verwendet werden können. Bezugszeichen in den Ansprüchen sind nicht als Einschränkung anzusehen.In addition, it should be pointed out that “comprehensive” does not exclude any other elements or steps and “one” or “one” does not exclude a large number. Furthermore, it should be pointed out that features or steps that have been described with reference to one of the above exemplary embodiments can also be used in combination with other features or steps of other exemplary embodiments described above. Reference signs in the claims are not to be regarded as a restriction.

Claims

Method (300) for detecting an approach and / or distance of an emergency vehicle (114) relative to a vehicle (100) by means of an intensity comparison based on a cepstrum, the emergency vehicle (114) using a siren (116) for emitting a signal tone (118) and the vehicle (100) has a microphone (106) for capturing the signal tone (118), the method (300) comprising: Receiving (310) audio data (112) generated by the microphone (106) in an evaluation unit (102) of the vehicle (100); Determining (320) the cepstrum from the audio data (112); Identifying (330) at least one frequency characterizing the signal tone (118) in the cepstrum; Recording (340) a history (202, 204) of the frequency limit; Determining (350) a parameter value of at least one statistical parameter for a plurality of successive sections (206) of the temporal course (202, 204) of the frequency in order to obtain a temporal course of the statistical parameter; Detection (360) of the approach and / or distance based on the time course of the statistical parameter, the parameter values being input into a neural network that has been trained for the classes approach and / or distance, and the approach and / or distance as classifiers are output by the neural network, the vehicle (100) being controlled depending on the detection of the approach and / or distance and the vehicle (100) being appropriately steered and / or or is braked.

Method (300) according to Claim 1 , the approach being recognized when the time course of the statistical parameter indicates an increase in the statistical parameter.

Method (300) according to one of the preceding claims, wherein a frequency spectrum is determined from the audio data (112) by a first Fourier transformation, a logarithmized frequency spectrum is determined from the frequency spectrum by logarithmizing and the cepstrum is determined from the logarithmized frequency spectrum by a second Fourier transformation.

Method (300) according to one of the preceding claims, wherein the statistical parameter comprises an arithmetic mean value, a standard deviation, a mean slope and / or an autocorrelation.

The method (300) according to any one of the preceding claims, wherein the sections (206) of the temporal course (202, 204) of the frequency are each between 0.1 and 2 seconds long.

Method (300) according to one of the preceding claims, wherein the temporal course (202, 204) of the frequency and / or the statistical parameter is smoothed.

Method (300) according to one of the preceding claims, wherein the parameter value is determined for at least ten successive sections (206) of the temporal course (202, 204) of the frequency limit.

Method (300) according to one of the preceding claims, wherein, depending on the detection of the approach and / or distance, a playback signal (124) for acoustic and / or optical playback of a message to a user is generated.

Computer program which, when executed on a processor, carries out the method (300) according to one of the preceding claims.

Computer-readable medium on which a computer program is based Claim 9 is stored.

A vehicle system (120) comprising: a microphone (106) for detecting a beep (118); an evaluation unit (102) which is designed to carry out the method (300) according to one of the Claims 1 until 8th perform.