[發明專利]一種基于地磁信號的車型識別方法

有效

• 申請號: 201811524795.0
• 申請日: 2018-12-13
• 公開（公告）號: CN109816992B
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 章雪挺;黃浩楠;廖章錦;徐航
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G08G1/042
• 分類號: G08G1/042;G08G1/015;G06K9/62
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 黃前澤

1.一種基于地磁信號的車型識別方法，其特征在于：步驟一、在地面下設置三分量磁場傳感器；取m種不同車型的車輛；每個車型均對應W輛試驗車輛；將1賦值給i和j；

步驟二、用第i種車型對應的第j輛試驗車輛經過三分量磁場傳感器的上方；三分量磁場傳感器進行N_ij次磁場采集，得到X方向磁場數據集S₁、Y方向磁場數據集S₂、Z方向磁場數據集S₃；

其中，s_1b為三分量磁場傳感器在第b次采集中得到的磁場x軸方向分量，s_2b為三分量磁場傳感器在第b次采集中得到的磁場y軸方向分量，s_3b為三分量磁場傳感器在第b次采集中得到的磁場z軸方向分量，b＝1,2,…,N_ij；

步驟三、對X方向磁場數據集S₁、Y方向磁場數據集S₂、Z方向磁場數據集S₃內的元素分別進行歸一化處理，得到X方向歸一化數據集S′₁、Y方向歸一化數據集S′₂、Z方向歸一化數據集S′₃；

其中，a＝1,2,3，b＝1,2,…,N_ij，|s_a，max|為中最大值的絕對值，|s_a，min|為中最小值的絕對值，max(|s_a，max|,|s_a，min|)等于|s_a，max|、|s_a，min|中較大的那個數；

步驟四、求取X方向歸一化數據集S′₁的均值最大值s′_1,max、最小值s′_1,min、極差R₁、最大值的相對位置E_1,max、最小值的相對位置E_1,min、正負能量比PG₁、極大值個數、極小值個數，Y方向歸一化數據集S′₂的均值最大值s′_2，max、最小值s′_2,min、極差R₂、最大值的相對位置E_2,max、最小值的相對位置E_2,min、正負能量比PG₂、極大值個數、極小值個數，Z方向歸一化數據集S₃′的均值最大值s′_3,max、最小值s′_3,min、極差R₃、最大值的相對位置E_3,max、最小值的相對位置E_3,min、正負能量比PG₃、極大值個數、極小值個數；

s′_a,max為中的最大值；s′_a，min為中的最小值；R_a＝s_a，max-s_a，min；E_a,max＝σ_a,max/N_ij，σ_a,max為s′_a,max在歸一化數據集S′_a中的序數；E_a,min＝σ_a,min/N_ij，σ_a,min為s′_a,min在歸一化數據集S′_a中的序數；Pg_a＝A_a/B_a；A_a為歸一化數據集S′_a中所有大于0的元素的平方和；B_a為歸一化數據集S′_a中所有小于0的元素的平方和，a＝1,2,3；

計算X方向歸一化數據集S′₁、Y方向歸一化數據集S′₂、Z方向歸一化數據集S′₃的平均能量

步驟五、a＝1,2,3，依次執行步驟六；

步驟六、對歸一化數據集S′_a進行二尺度小波包變換，得到四個二尺度分解系數集；對四個二尺度分解系數集分別取平均值、最大值、近似熵；并求取所得的第一個二尺度分解系數集的平均能量其中，d_a，l為第一個二尺度分解系數集的第l個元素；M_a為第一個二尺度分解系數集的元素個數；

步驟七、將步驟四、五、六所得的X方向歸一化數據集S′₁的均值、最大值、最小值、極差、最大值的相對位置、最小值的相對位置、正負能量比、極大值個數、極小值個數，Y方向歸一化數據集S′₂的均值、最大值、最小值、極差、最大值的相對位置、最小值的相對位置、正負能量比、極大值個數、極小值個數，Z方向歸一化數據集S′₃的均值、最大值、最小值、極差、最大值的相對位置、最小值的相對位置、正負能量比、極大值個數、極小值個數，X方向歸一化數據集S′₁對應的第一個二尺度分解系數集的平均能量、四個二尺度分解系數集的平均值、最大值、近似熵，Y方向歸一化數據集S′₂對應的第一個二尺度分解系數集的平均能量、四個二尺度分解系數集的平均值、最大值、近似熵，Z方向歸一化數據集S′₃對應的第一個二尺度分解系數集的平均能量、四個二尺度分解系數集的平均值、最大值、近似熵，依次排序作為對應第i個車型的第j輛試驗車輛的64個特征值；進入步驟八；

步驟八、若j＜W，則將j增大1，并執行步驟二至七；若i＜m，且j＝W，則將i增大1，將1賦值給j增大1，并執行步驟二至七；若i＝m，且j＝W，則進入步驟九；

步驟九、建立初始特征數據集F如下：

其中，f_k,i,j為第i個車型的第j輛試驗車輛對應的第k個特征值，i＝1,2,…,m，j＝1,2,…,W，k＝1,2,…,64；

步驟十、采用混合式的特征選擇方法進行特征篩選，并得到分類模型；

10.1、采用ReliefF算法計算初始特征數據集F內64個二維數組的ReliefF權重；將初始特征數據集F中ReliefF權重低于權重閾值Wt的二維數組刪除，得到一級優化特征集合F_s；其中，0.05≤Wt≤0.15；將1賦值給p，將2賦值給q；

10.2、計算一級優化特征集合F_s內第p個二維數組與第q個二維數組的相關系數其中，若COR(p,q)＞W_c，則將配對數組(p,q)放入初始為空集的Pos數組；其中，0.7≤W_c≤0.8；進入步驟10.3；

10.3、若q＜r，則將q增大1，并執行步驟10.2；若q＝r，且p＜r-1，則將p增大1后，將p+1賦值給q，并執行步驟10.2；若q＝r，且p＝r-1，則進入步驟10.4；r為一級優化特征集合F_s內二維數組的個數；

10.4、若Pos數組不是空數組，則執行步驟10.5及10.6；否則，進入步驟10.7；

10.5、將Pos數組中重復次數最多的元素作為初始目標序數；若僅存在一個初始目標序數，則將該初始目標序數作為最終目標序數ξ；若同時存在多個初始目標序數，則將各初始目標序數對應的二維數組作為目標二維數組，取各目標二維數組中ReliefF權重最小的那個目標二維數組對應的初始目標序數作為最終目標序數ξ；

10.6、將最終目標序數ξ對應的那個二維數組標記為無效數組，并將Pos數組中含有最終目標序數ξ的配對數組均刪除；進入步驟10.4；

10.7、將一級優化特征集合F_s中所有被標記為無效數組的二維數組均刪除，得到二級優化特征集合F_b；

10.8、用包裝算法將對二級優化特征集合F_b進行篩選，得到三級優化特征集合F'；三級優化特征集合F'內二維數組的個數為v；三級優化特征集合F'內v個二維數組對應的特征作為目標特征；

10.9、根據三級優化特征集合F'內的各個元素的大小及其對應的車型，通過C4.5算法獲取三級優化特征集合F'內v個二維數組對應的特征的目標閾值；

步驟十一、當被測車輛經過三分量磁場傳感器的上方時，三分量磁場傳感器根據自身采樣頻率進行N'次磁場采集，得到X方向被測數據集C₁、Y方向被測數據集C₂、Z方向被測數據集C₃；

步驟十二、根據X方向被測數據集C₁、Y方向被測數據集C₂、Z方向被測數據集C₃求取被測車輛的v個目標特征值；將被測車輛的v個目標特征值與v個目標閾值進行大小比較，進而確定被測車輛的車型；

進一步地，步驟四中，磁場數據集的極大值、極小值的判定方法如下：

若s′_ab滿足以下兩個條件之一，則s′_ab為極大值：

(1)s′_abs′_a,b-1，s′_abs′_a,b+1，并且滿足s′_ab-s′_a,b-10.2或s′_ab-s′_a,b+10.2；

(2)s′_ab-s′_a,b-10.1，s′_a,b-1-s′_a,b-20.1，s′_ab-s′_a,b+10.1，s′_a,b+1-s′_a,b+20.1；

若s′_ab滿足以下兩個條件之一，則s′_ab為極小值：

(1)s′_abs′_a,b-1，s′_abs′_a,b+1，并且滿足s′_a,b-1-s′_ab0.2或s′_a,b+1-s′_ab0.2；

(2)s′_a,b-1-s′_ab0.1，s′_a,b-2-s′_a,b-10.1，s′_a,b+1-s′_ab0.1，s′_a,b+2-s′_a,b+10.1。

2.根據權利要求1所述的一種基于地磁信號的車型識別方法，其特征在于：所述的二尺度小波包變換采用的小波函數為db4小波。