[發(fā)明專(zhuān)利]一種智能交通系統(tǒng)信號(hào)調(diào)制識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010712216.6
• 申請(qǐng)日: 2020-07-22
• 公開(kāi)（公告）號(hào): CN111814729A
• 公開(kāi)（公告）日: 2020-10-23
• 發(fā)明（設(shè)計(jì)）人: 邱雪峰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣州心蛙科技有限責(zé)任公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62
• 代理公司: 北京廣技專(zhuān)利代理事務(wù)所(特殊普通合伙) 11842
• 代理人: 崔征

1.一種智能交通系統(tǒng)信號(hào)調(diào)制識(shí)別方法，其特征在于，包括以下步驟：

(1)采集各個(gè)信噪比下智能交通系統(tǒng)的待識(shí)別信號(hào)；

(2)計(jì)算待識(shí)別信號(hào)中的多尺度小波熵特征；

(3)識(shí)別信號(hào)的第一層的低頻系數(shù)；

(4)識(shí)別信號(hào)的第一層的高頻系數(shù)；

(5)對(duì)待識(shí)別信號(hào)進(jìn)行傅里葉變換；

(6)提取智能交通系統(tǒng)的待識(shí)別信號(hào)中小波系數(shù)的功率譜指數(shù)熵和功率譜香農(nóng)熵，構(gòu)成10維特征向量，對(duì)信號(hào)進(jìn)行分類(lèi)。

2.根據(jù)權(quán)利要求1所述的一種智能交通系統(tǒng)信號(hào)調(diào)制識(shí)別方法，其特征在于，計(jì)算待識(shí)別信號(hào)中的多尺度小波熵特征包括：

(2.1)對(duì)待識(shí)別信號(hào)進(jìn)行小波變換，并計(jì)算待識(shí)別信號(hào)的小波能量和小波熵；

(2.2)對(duì)待識(shí)別信號(hào)用小波做四層小波分解；

(2.3)計(jì)算待識(shí)別信號(hào)的多尺度熵；對(duì)長(zhǎng)度為M的時(shí)間序列進(jìn)行粗粒化處理，得到新的序列，并計(jì)算新序列的樣本熵值；

(2.4)對(duì)新序列的樣本熵值進(jìn)行主成分分析法降維；得到小波能量的特征值，小波熵的特征值，以及多尺度熵的特征值；

(2.5)將特征樣本放入支持向量機(jī)進(jìn)行訓(xùn)練分類(lèi)；

(2.6)將樣本進(jìn)行隨機(jī)排序，抽出一半的樣本輸入到SVM分類(lèi)器中進(jìn)行訓(xùn)練，然后把剩下的樣本輸入到已經(jīng)訓(xùn)練好的分類(lèi)器中進(jìn)行計(jì)算，計(jì)算待識(shí)別信號(hào)的多尺度小波熵特征f(t)為：

其中，設(shè)V₀表示待識(shí)別信號(hào)原始的尺度空間，是待識(shí)別信號(hào)空間V₁的正交基，{ψ_1,k(t)＝2^-1/2ψ(2^-1t-k)}_k∈z是待識(shí)別信號(hào)空間W₁的正交基，a_1,k為待處理原始信號(hào)第一層的低頻系數(shù)，d_1,k為待處理原始信號(hào)第一層的高頻系數(shù)。

3.根據(jù)權(quán)利要求2所述的一種智能交通系統(tǒng)信號(hào)調(diào)制識(shí)別方法，其特征在于，識(shí)別信號(hào)的第一層的低頻系數(shù)包括如下步驟：

(3.1)獲得信號(hào)時(shí)反項(xiàng)：各智能交通系統(tǒng)的發(fā)射換能器依次發(fā)射信號(hào)并記錄系統(tǒng)接收到的信號(hào)，將接收到的信號(hào)時(shí)間反轉(zhuǎn)并由對(duì)應(yīng)的發(fā)射換能器同步發(fā)射，接收到時(shí)間聚焦信號(hào)，截取該時(shí)間聚焦信號(hào)在聚焦時(shí)刻前的波形作為時(shí)反項(xiàng)；

(3.2)將時(shí)反項(xiàng)代入離散格林函數(shù)；

(3.3)數(shù)值時(shí)反實(shí)現(xiàn)離散聚焦：將離散格林函數(shù)與對(duì)應(yīng)車(chē)輛位置的時(shí)反項(xiàng)卷積，通過(guò)對(duì)接收陣上所有車(chē)輛對(duì)應(yīng)的卷積結(jié)果求和；

(3.4)計(jì)算低頻系數(shù)；

所述待識(shí)別信號(hào)的第一層的低頻系數(shù)：

其中，f(t)為待識(shí)別信號(hào)的多尺度小波熵特征，h為低通分解濾波器；c_0.n為離散化的待處理原始信號(hào)數(shù)據(jù)，a_1,k為待處理原始信號(hào)第一層的低頻系數(shù)。

4.根據(jù)權(quán)利要求3所述的一種智能交通系統(tǒng)信號(hào)調(diào)制識(shí)別方法，其特征在于，識(shí)別信號(hào)的第一層的高頻系數(shù)包括：

(4.1)獲得信號(hào)時(shí)反項(xiàng)：各智能交通系統(tǒng)的發(fā)射換能器依次發(fā)射信號(hào)并記錄系統(tǒng)接收到的信號(hào)，將接收到的信號(hào)時(shí)間反轉(zhuǎn)并由對(duì)應(yīng)的發(fā)射換能器同步發(fā)射，接收到時(shí)間聚焦信號(hào)，截取該時(shí)間聚焦信號(hào)在聚焦時(shí)刻前的波形作為時(shí)反項(xiàng)；

(4.2)將時(shí)反項(xiàng)代入聚焦格林函數(shù)；

(4.3)數(shù)值時(shí)反實(shí)現(xiàn)聚焦：將聚焦格林函數(shù)與對(duì)應(yīng)車(chē)輛位置的時(shí)反項(xiàng)卷積，通過(guò)對(duì)接收陣上所有車(chē)輛對(duì)應(yīng)的卷積結(jié)果求和；

(4.4)計(jì)算高頻系數(shù)；

所述待識(shí)別信號(hào)的第一層的高頻系數(shù)d_1,k：

其中，g為高通分解濾波器，d_1,k為待處理原始信號(hào)第一層的高頻系數(shù)。