[發明專利]一種基于振動傳感器的車輛識別方法在審
| 申請號： | 201711496108.4 | 申請日： | 2017-12-31 |
| 公開（公告）號： | CN108197651A | 公開（公告）日： | 2018-06-22 |
| 發明（設計）人： | 靳國政;瞿逢重;葉彬;吳葉舟 | 申請（專利權）人： | 浙江大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N3/08 |
| 代理公司： | 杭州求是專利事務所有限公司 33200 | 代理人： | 劉靜;邱啟旺 |
| 地址： | 310058 浙江*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 固有模態函數 振動傳感器 車輛識別 經驗模態分解 智能交通系統 功率譜分析 車輛類型 軍事車輛 路面振動 特征向量 振動信號 自動識別 分類器 魯棒性 識別率 求和 可用 權重 采集 分類 | ||
本發明公開了一種基于振動傳感器的車輛識別方法，能夠自動識別車輛類型。該方法利用振動傳感器接收車輛引起的路面振動信號，對采集的振動信號進行經驗模態分解，得到一組固有模態函數，對每個固有模態函數乘以不同權重，再對固有模態函數求和形成一個新的信號，對新生成的信號進行功率譜分析，獲取MFCC特征向量，訓練BP神經網絡得到分類器，用于識別車輛種類。本發明車輛識別方法魯棒性強，識別率高，可用于軍事車輛分類以及民用中的智能交通系統，前景廣闊。
技術領域
本發明涉及一種基于振動傳感器的車輛識別方法，可用于車輛檢測和識別，屬于智能交通和車輛識別領域。
背景技術
在當前的交通領域中，車輛檢測與識別是重中之重。目前主要有麥克風、振動傳感器、磁感線圈、視頻傳感器等進行車輛的檢測與識別。
磁感線圈安裝和維護對道路會造成較大的破壞，且本身容易被大型車輛損壞，鐵制材料也容易受到環境因素導致損壞。視頻傳感器易安裝、可靠，但高清視頻攝像頭價格高，易受環境影響如雨霧天氣都會降低檢測的準確性。麥克風安裝簡單，成本低，但受風速、多普勒、鳴笛聲影響大，且易損壞。
振動傳感器可靠性強，可以埋在路邊，安裝簡單，隱蔽度高，不受惡劣天氣影響。
發明內容
本發明的目的是克服現有技術的不足，提高現有技術的識別率，提出一種基于振動傳感器的車輛識別方法。
本發明的目的是通過以下技術方案來實現的：一種基于振動傳感器的車輛識別方法，包括以下步驟：
(1)利用振動傳感器，采集車輛行駛引起的路面振動信號；
(2)對步驟(1)采集的振動信號進行經驗模態分解(Empirical ModeDecomposition,EMD)，得到一組固有模態函數(Intrinsic Mode Function，IMF)；
(3)對步驟(2)得到的固有模態函數分別乘以不同的權重，再求和得到新的信號，記為xnew(t)；
其中wi為對應第i個IMF的權重，n為信號分解之后產生的IMF的個數；固有模態的權重由以下方式求取：以BP神經網絡均方誤差MSE(Mean Square Error)作為適應度評估函數，應用粒子群算法進行求解，MSE表達式如下：
其中N為所有樣本的個數，yi為第i個樣本的觀察值，為第i個樣本的估計值；
粒子群算法權重的更新采用如下公式：
分別代表經過k次迭代后第i個粒子在第D個維度上的速度、歷史最佳位置、位置；代表第k次迭代后在第D個維度上的全局最優位置；r1、r2為[0,1]區間內的隨機數；迭代求解的目的是獲取一組使MSE最小的w值；
(4)根據步驟(3)得到的全局最優解w，與樣本經EMD分解得到的IMF相乘求和得到新的信號xnew(t)，對其提取梅爾頻率倒譜系數MFCC作為特征，訓練3層BP神經網絡，用訓練好的神經網絡判斷車輛類型。
進一步地，所述步驟(3)中，w求解過程如下：
對N個樣本數據分別進行EMD分解得到每個樣本對應的IMF，保留每個樣本分解后得到的前n個IMF；
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于浙江大學，未經浙江大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711496108.4/2.html，轉載請聲明來源鉆瓜專利網。
