车型识别是智能化交通的重要组成部分，它广泛应用于收费系统、交通数据统计等相关工作中。传统的方法是在路上埋设电缆线及感应线圈，通过摄像头装置，抓拍车辆的照片进行车型识别，但由于此方法对路段有不同程度地破坏性，设备后期维护要求高，本文提出了基于车辆行驶中产生的声频噪声对车型进行分类的研究。 本文首先概述了声探测技术的发展状况及噪声产生机理和传播规律，分析了基于车辆声频信号进行车型识别的可行性，利用多传感器线性阵列采集了多种车型的车辆噪声信号。接着利用小波、阵列信号等理论，对噪声信号均进行了去噪声、加权合成以及归一化等预处理。然后对信号进行特征提取，特征提取是完成分类识别的关键，在分析传统噪声信号特征的基础上，本文将语谱图用于车辆声频信号的特征提取中，语谱图以图像的方式反映了信号频谱在时间、频率二维空间的分布情况，通过与功率谱密度的对比分析，语谱图除了表征能量较集中的频谱区域与其它区域呈现不同的色彩外，还呈现不同的纹理图像，由此，本文将纹理图像分析的理论引入到声频信号语谱图分析中，提取了语谱图中纹理图像的对比度、熵、能量、相关性及局部均匀性等特征值。 文章最后用模式识别理论对纹理特征进行分类。针对声频信号的特点，采用了模糊C均值聚类算法(FCM)，由于从噪声信号的语谱图提取的纹理特征维数较高，本文采用改进的模糊C均值聚类算法——核模糊C均值聚类算法(KFCM)。将此特征提取及分类算法对实测的四种车型的噪声信号进行了分类，结果表明，此方法收敛速度快，分类效果好，具有较高的识别率。 实验证明，本文提出的方法能利用车辆噪声信号有效分离出车辆类型。利用车辆行驶过程中所产生的声频噪声信号进行车型分类是一种新方法，有较大应用前景。