[發(fā)明專(zhuān)利]一種高速列車(chē)軌邊運(yùn)動(dòng)參數(shù)自適應(yīng)識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810161027.7
• 申請(qǐng)日: 2018-02-27
• 公開(kāi)（公告）號(hào): CN108398267B
• 公開(kāi)（公告）日: 2019-12-03
• 發(fā)明（設(shè)計(jì)）人: 劉方;劉家慶;錢(qián)強(qiáng);付洋洋;顧康康;劉永斌;陸思良;琚斌
• 申請(qǐng)（專(zhuān)利權(quán)）人: 安徽大學(xué)
• 主分類(lèi)號(hào): G01M13/045
• 分類(lèi)號(hào): G01M13/045;G01M17/08;B61K9/00
• 代理公司: 11251 北京科迪生專(zhuān)利代理有限責(zé)任公司
• 代理人: 楊學(xué)明;顧煒<國(guó)際申請(qǐng)>=<國(guó)際公布>=

1.一種高速列車(chē)軌邊運(yùn)動(dòng)參數(shù)自適應(yīng)識(shí)別方法，其特征在于，實(shí)現(xiàn)步驟如下：

步驟(1-1)、軌邊聲學(xué)信號(hào)多普勒畸變中心頻率f_k0(t)構(gòu)建；

其中，所述步驟(1-1)中，畸變中心頻率f_k0(t)構(gòu)建的步驟如下：

步驟(2-1)初始化列車(chē)運(yùn)動(dòng)參數(shù)集γ(v,r,f₀)，γ中沒(méi)有包括列車(chē)的運(yùn)動(dòng)模型的橫向距離s，這對(duì)提高算法的高效性和穩(wěn)定性都是十分有利的，在算法實(shí)際匹配的過(guò)程中，只要計(jì)算出采集到的軌邊聲學(xué)信號(hào)的時(shí)長(zhǎng)T₁，就可以定義列車(chē)的運(yùn)動(dòng)模型的橫向距離s，這里用T表示所采集信號(hào)的時(shí)長(zhǎng)的一半，即T＝T₁/2，則橫向距離s為：

s＝vT

步驟(2-2)聲源運(yùn)動(dòng)模型函數(shù)為：

v,r,f₀是列車(chē)運(yùn)動(dòng)參數(shù)集γ{v,r,f₀}里的參數(shù)，分別表示列車(chē)的運(yùn)動(dòng)模型的列車(chē)運(yùn)行速度，縱向距離，和信號(hào)的中心頻率，公式f_k(t)中的f_k是運(yùn)動(dòng)參數(shù)集γ中的f₀的一組參數(shù)，M是馬赫數(shù)，定義為列車(chē)運(yùn)行速度與理論聲速的比值，即M＝v/c，s是運(yùn)動(dòng)模型的橫向距離；

將公式M＝v/c及s＝vT代入原來(lái)的聲源運(yùn)動(dòng)模型函數(shù)中對(duì)原來(lái)的聲源運(yùn)動(dòng)模型函數(shù)進(jìn)行演化得到變量個(gè)數(shù)減少的新的聲源運(yùn)動(dòng)模型函數(shù)，

這里v/c就是前面提到的馬赫數(shù)M，f_k是運(yùn)動(dòng)參數(shù)集γ中的f₀的一組參數(shù)，定義為

f₀＝{f₁…f_k，k＝1…Z}

步驟(1-2)、基于列車(chē)運(yùn)動(dòng)參數(shù)集和聲源的運(yùn)動(dòng)模型構(gòu)造符合多普勒畸變規(guī)律的窗w^γ(t,f)，且將每一組參數(shù)構(gòu)造出來(lái)的多普勒窗的中心頻率f在信號(hào)時(shí)頻分布中從低頻到高頻依次移動(dòng)，這樣每移動(dòng)一個(gè)Δf就又會(huì)產(chǎn)生一個(gè)新的多普勒窗，多普勒窗的構(gòu)造如下：

w^γ(t,f)＝f_k(t)±aΔf(k＝1...Z,t＝1...N/F_s)

其中，Z為聲源運(yùn)動(dòng)參數(shù)f₀的擬合范圍長(zhǎng)度，N為采集信號(hào)的長(zhǎng)度，F(xiàn)_s為聲源信號(hào)的采樣頻率；

所述步驟(1-2)中，多普勒窗的構(gòu)建步驟如下：

步驟(3-1)結(jié)合列車(chē)運(yùn)動(dòng)參數(shù)集γ(v,r,f₀)和聲源運(yùn)動(dòng)模型函數(shù)構(gòu)建符合列車(chē)聲音信號(hào)畸變規(guī)律的多普勒窗：

v＝{v₁...v_i,i＝1...L}

r＝{r₁...r_j,j＝1...M}

f₀＝{f₁…f_k，k＝1…Z}這里L(fēng)，M和Z是這三種運(yùn)動(dòng)的參數(shù)的擬合范圍長(zhǎng)度，總共的匹配識(shí)別次數(shù)為L(zhǎng)*M*Z，每一組運(yùn)動(dòng)參數(shù)可以構(gòu)造一條以f_k(t)為多普勒畸變中心頻率的多普勒畸變曲線；

步驟(3-2)設(shè)定多普勒窗頻率軸寬度為2aΔf，這樣每一組多普勒窗的上下邊界為：

boundary＝f_k(t)±aΔf(k＝1...Z,t＝1...N/F_s)

由這組邊界可以構(gòu)造時(shí)頻多普勒窗w^γ(t,f)；

這里Δf定義為頻移間距，每一組構(gòu)造出的多普勒窗的寬度由Δf決定，多普勒窗的上邊界是f_k+aΔf，多普勒窗的下邊界是f_k-aΔf，所以每一組構(gòu)造出來(lái)的多普勒窗的寬度為2aΔf，然后每一組被構(gòu)造出來(lái)的多普勒窗會(huì)從時(shí)頻矩陣的低頻處向高頻處移動(dòng)，根據(jù)這個(gè)原理，會(huì)有許多多普勒窗分布在信號(hào)的整個(gè)時(shí)頻域中，每一個(gè)多普勒窗會(huì)在信號(hào)的時(shí)頻分布中選取對(duì)應(yīng)的信號(hào)分布，這里之所以在頻移間距Δf前面設(shè)置乘數(shù)因子a，是為了算法調(diào)試的便利性設(shè)計(jì)；

步驟(1-3)、依次計(jì)算所有多普勒窗所在區(qū)域的局部信號(hào)能量值E，尋找最大能量值E_max；將與之對(duì)應(yīng)的γ{v,r,f₀}作為列車(chē)運(yùn)動(dòng)參數(shù)識(shí)別結(jié)果；

所述步驟(1-3)中，尋找最大能量值和列車(chē)運(yùn)動(dòng)參數(shù)識(shí)別的步驟如下：

步驟(4-1)將整個(gè)時(shí)頻矩陣的每個(gè)像素點(diǎn)的能量累加起來(lái)表示信號(hào)的總能量，這里用x₁(t)表示被多普勒窗選中的局部頻段的信號(hào)，局部頻段的信號(hào)選取的原理可以歸納為：

這里x₁(t)可以表示為：

x₁(t)＝x(t)·S′(t,f)

x₁(t)表示的是被多普勒窗選取的局部頻段的信號(hào)；

步驟(4-2)將局部頻段的信號(hào)x₁(t)的每一個(gè)像素點(diǎn)對(duì)應(yīng)的信號(hào)能量值進(jìn)行累加就可以得到x₁(t)的能量和，如下所示：

其中，W和Y分別為所構(gòu)建的多普勒窗包含的局部頻段的信號(hào)的所有像素點(diǎn)所在的總的行數(shù)和列數(shù)；這樣所構(gòu)造的多普勒窗中包含的信號(hào)能量越大，計(jì)算得到的能量和就越大，根據(jù)聲源的運(yùn)動(dòng)模型可以得出，只有最優(yōu)的參數(shù)所構(gòu)造的多普勒窗內(nèi)的信號(hào)的能量和是最大的；

步驟(4-3)在時(shí)頻分布中參數(shù)尋優(yōu)，時(shí)頻圖上越亮的區(qū)域表示信號(hào)能量越高，越準(zhǔn)確的聲源運(yùn)動(dòng)參數(shù)構(gòu)造出來(lái)的多普勒窗內(nèi)包含的信號(hào)能量和越大，所以這里根據(jù)所有計(jì)算得到的信號(hào)能量和進(jìn)行尋優(yōu)就可以得到最優(yōu)的聲源運(yùn)動(dòng)參數(shù)，該尋優(yōu)過(guò)程如下所示，如果，

E_(i,j,k)＝max(max(max(E_(i,j,k))))

那么，最優(yōu)的聲源運(yùn)動(dòng)參數(shù)v_opt，r_opt，f_opt為：

v_opt＝v_i

r_opt＝r_j

f_opt＝f_k。