基于機(jī)器學(xué)習(xí)的車輛狀態(tài)識(shí)別技術(shù)可以更有效的輔助駕駛?cè)藛T安全駕駛,降低交通事故率,未來可以為實(shí)時(shí)監(jiān)測(cè)車輛行駛狀態(tài),實(shí)現(xiàn)安全自動(dòng)駕駛提供更好的處理方式。本文利用可裝載在車輛上的MPU-6500傳感器采集車輛加速度、角速度等姿態(tài)數(shù)據(jù),利用機(jī)器學(xué)習(xí)算法對(duì)車輛行駛狀態(tài)進(jìn)行識(shí)別。本文主要研究?jī)?nèi)容如下:為了挖掘出傳感器數(shù)據(jù)的更多特征,本文利用小波時(shí)頻分析Mallat算法對(duì)原始傳感器信號(hào)進(jìn)行了多級(jí)分解。原始信號(hào)被分解為近似系數(shù)和多個(gè)細(xì)節(jié)系數(shù)。本文分析了信號(hào)的時(shí)頻特征,進(jìn)而提取了分解系數(shù)的細(xì)粒度特征,與原始數(shù)據(jù)信號(hào)的粗粒度的時(shí)域、頻域特征融合作為機(jī)器學(xué)習(xí)算法輸入的特征向量。最后,用集成學(xué)習(xí)算法進(jìn)行了特征分析與選擇,實(shí)驗(yàn)結(jié)果驗(yàn)證了細(xì)粒度特征的有效性。為了解決數(shù)據(jù)采集過程中,只能使用少量標(biāo)簽樣本,而大量未標(biāo)記樣本需要人為標(biāo)記耗時(shí)的問題,本文提出了基于半監(jiān)督學(xué)習(xí)算法的擴(kuò)充訓(xùn)練集策略,結(jié)合半監(jiān)督學(xué)習(xí)Co-Forest算法和主動(dòng)學(xué)習(xí)QBC（Query by committee）算法選擇未標(biāo)記樣本。將未標(biāo)記樣本劃分為白（可信度高）、灰、黑度（可信度低）三等級(jí)樣本,在迭代過程中根據(jù)聚類假設(shè)執(zhí)行黑度樣本的標(biāo)簽選擇。充分... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

實(shí)驗(yàn)車

??狀態(tài)加速左轉(zhuǎn)和加速右轉(zhuǎn)。在圖２－１?（ｂ）所示的安裝方式下，對(duì)于三軸加速度Ａ?＝??和三軸角速度Ｇ?＝?［ｗｘ，ｗｙ，ｗｚ］，化的值可表征車輛的加速、減速、勻速／??靜止等狀態(tài)；４和％的值可表征車輛的左轉(zhuǎn)、右轉(zhuǎn)、直線行駛等狀態(tài)；￡ｌｚ的值可??表征車輛的上坡、下坡、平地行駛等狀態(tài)。??園％??（ａ）改裝車輛?（ｂ）車輛軸向??圖２－１實(shí)驗(yàn)車??Ｙ＊??ｖｃｃ?ＶＣＣ??ＲＸ?｜?ＳＣＬ??ＩＸ?ＳＤＡ??ＧＮＤ??圖?２－２?ＭＰＵ６０５０?軸向??２．１．２數(shù)據(jù)解析??從表２－２中可以看出可知，ＭＰＵ－６０５０傳感器的采樣頻率為１００Ｈｚ，即每軸??每秒采集１００個(gè)數(shù)據(jù)點(diǎn)；波特率為１１５２００，即每１０ｍｓ輸出一幀數(shù)據(jù)，每幀數(shù)據(jù)??包括三軸加速度包，三軸角速度包，三軸角度包和溫度。本文僅分析三軸加速度??包和三軸角速度包的數(shù)據(jù)。ＭＰＵ６０５０模塊輸出的原始數(shù)據(jù)為１６進(jìn)制數(shù)據(jù)，加速??度和角速度輸出格式如表２－２。??９??

與低通濾波器Ｈ?（尺度函數(shù)）卷積，再經(jīng)過隔點(diǎn)采樣得到；同理，如式（２－??２２），４可通過與高通濾波器Ｇ?（小波函數(shù)）卷積，再經(jīng)過隔點(diǎn)采樣得到。??以上分解算法可表示為圖２－４：??＜８）??—？?Ｇ?—？?［２?—？?ｄ＼??傳驟數(shù)據(jù)每?＾?ｒ?，?＿?；??軸時(shí)序信號(hào)－?ｐ?Ｇ?—?‘２?—為??￣￣？?Ｈ?—？?１２?－??？?Ｉ—？?Ｇ?——ｍ２?—？?ｄ，??“?Ｈ?—？?１２?－??￣？?Ｇ??？?｜２?—？?ｄＡ??—？?Ｈ?—Ｍ２?—??￣？?Ｈ??？?［２??？?ａＡ??圖２－４?Ｍａｌｌａｔ分解算法??圖２－４也可以從頻率的角度來解釋，設(shè)原始信號(hào)的采樣頻率為２／，則近似系??數(shù)和細(xì)節(jié)系數(shù)可看作信號(hào)／（〇由Ｍａｌｌａｔ算法分解到不同子頻段的信號(hào)，如表２－３??所示。??表２－３?Ｍａｉ丨ａｔ算法分解系數(shù)與子頻帶的對(duì)應(yīng)關(guān)系??小波分解系數(shù)｜?頻域范圍（Ｈｚ）?｜?信號(hào)時(shí)域長(zhǎng)度??ｇ４?—?０?￣?ｆ／＼６?Ｍ／１６??ｄ４?／／１６?？?邱?Ｍ／１６??—）／％?￣?．／７４?Ｍ／８?￣??ｄ？?ｆ／Ａ?？／／２?Ｍ／４?—??ｄ１?．仉？／?Ｍ／２???ｒａｗ?０?？?／?Ｍ???２．２．３車輛狀態(tài)時(shí)頻分析??本文以常用的Ｄａｕｂｅｃｈｉｅｓ?（ＤｂＮ）小波基為母波

【參考文獻(xiàn)】：
碩士論文
[1]基于時(shí)頻分析的特征提取與模式分類方法研究[D]. 趙衛(wèi)峰.重慶大學(xué) 2016



本文編號(hào)：3339017