本文選題：交通工程 + 車型識(shí)別��； 參考：《中國(guó)公路學(xué)報(bào)》2017年01期

【摘要】：針對(duì)動(dòng)態(tài)噪聲環(huán)境下行進(jìn)中的機(jī)動(dòng)車輻射出的聲信號(hào)具有強(qiáng)非平穩(wěn)性、多尺度性及低信噪比的問(wèn)題,提出一種基于局部均值分解(LMD)和局部投影能量計(jì)算的車型聲特征提取方法。首先,利用LMD方法對(duì)采集的聲信號(hào)進(jìn)行自適應(yīng)分解,得到各尺度上的乘積函數(shù)(PF)分量,從強(qiáng)背景噪聲中分離出包含車型特征頻率成分的PF分量;其次,對(duì)LMD分解結(jié)果進(jìn)行加權(quán)優(yōu)化,重構(gòu)特征PF分量,濾除虛假成分及弱相關(guān)分量,以增強(qiáng)特征信息;最后,將特征PF分量的能量等距離投影到能量聚集區(qū)內(nèi),基于能量尺度構(gòu)造聲信號(hào)的低維特征向量,并通過(guò)人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)對(duì)特征向量進(jìn)行識(shí)別。在試驗(yàn)數(shù)據(jù)集上,采用LMD局部投影能量特征對(duì)目標(biāo)車輛進(jìn)行車型識(shí)別,并對(duì)試驗(yàn)數(shù)據(jù)集添加不同強(qiáng)度的噪聲,進(jìn)行LMD分解及局部投影能量計(jì)算,將計(jì)算結(jié)果與其他特征提取方法計(jì)算結(jié)果進(jìn)行對(duì)比分析。結(jié)果表明:該方法對(duì)于車型信息十分敏感,識(shí)別率達(dá)到93.4%;可以有效抑制動(dòng)態(tài)環(huán)境下的背景噪聲干擾,獲取目標(biāo)敏感的窄帶信號(hào),具有很好的抗噪能力;選擇在重構(gòu)窄帶信號(hào)的能量聚集區(qū)內(nèi)進(jìn)行投影計(jì)算,可以有效去除冗余特征,同時(shí)提高算法的實(shí)時(shí)性。
[Abstract]:In order to solve the problems of strong non-stationary, multi-scale and low signal-to-noise ratio (SNR) of the acoustic signals emitted by moving vehicles in dynamic noise environment, a method of vehicle acoustic feature extraction based on local mean decomposition (LMD) and local projection energy calculation is proposed. Firstly, the LMD method is used to decompose the collected acoustic signal adaptively, and then the product function (PF) component is obtained at each scale, and the PF component, which contains the characteristic frequency component of the vehicle model, is separated from the strong background noise. The LMD decomposition results are weighted and optimized to reconstruct the feature PF components, filter out the false components and the weak correlation components to enhance the feature information. Finally, the energy equidistant of the feature PF components is projected into the energy accumulation area. The low dimensional eigenvector of acoustic signal is constructed based on energy scale, and the feature vector is recognized by learning from artificial neural network. On the test data set, the vehicle model is identified by using the LMD local projection energy feature, and the noise of different intensity is added to the test data set, and the LMD decomposition and local projection energy calculation are carried out. The calculated results are compared with those of other feature extraction methods. The results show that the method is very sensitive to vehicle information, and the recognition rate is 93.4.The method can effectively suppress background noise interference in dynamic environment, obtain narrow band signal sensitive to target, and has good anti-noise ability. The projection calculation in the energy accumulation area of the reconstructed narrow band signal can effectively remove the redundant features and improve the real-time performance of the algorithm.
【作者單位】： 天津大學(xué)電氣與自動(dòng)化工程學(xué)院;沈陽(yáng)大學(xué)信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61473202) 遼寧省自然科學(xué)基金項(xiàng)目(201602520) 沈陽(yáng)市科技計(jì)劃項(xiàng)目(F15-126-9-00)
【分類號(hào)】：U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張寧;施毅;何鐵軍;;基于虛擬線圈的車型識(shí)別研究[J];交通與計(jì)算機(jī);2008年01期

2 華莉琴;許維;王拓;馬瑞芳;胥博;;采用改進(jìn)的尺度不變特征轉(zhuǎn)換及多視角模型對(duì)車型識(shí)別[J];西安交通大學(xué)學(xué)報(bào);2013年04期

3 劉玉銘,白明;一種基于模糊模式識(shí)別方法的車型識(shí)別儀[J];公路交通科技;2000年01期

4 王陽(yáng)萍,何欣;智能圖像處理技術(shù)在車型識(shí)別中的應(yīng)用研究[J];蘭州交通大學(xué)學(xué)報(bào);2004年04期

5 季晨光;張曉宇;白相宇;;基于視頻圖像中的車型識(shí)別[J];遼寧工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

6 張友兵,陳家祺,史旅華,田瑞庭;基于神經(jīng)網(wǎng)絡(luò)的汽車車型識(shí)別[J];湖北汽車工業(yè)學(xué)院學(xué)報(bào);1998年03期

7 陳家祺,張友兵,史旅華,田瑞庭,傅正朝,舒章鈞;運(yùn)動(dòng)圖像處理在車型識(shí)別中的應(yīng)用[J];汽車工程;1998年06期

8 歐衛(wèi)華;唐東黎;聞斌;;基于遺傳算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)車型識(shí)別[J];湖南工業(yè)大學(xué)學(xué)報(bào);2010年02期

9 王明哲;吳皓;周豐;;基于地磁的車型識(shí)別模糊數(shù)據(jù)融合方法研究[J];公路交通科技;2008年01期

10 劉玉銘,白明,吳慧;模糊模式識(shí)別理論在車型識(shí)別中的應(yīng)用[J];道路交通與安全;2001年01期

相關(guān)會(huì)議論文 前7條

1 韓冬梅;呂芳;;智能交通系統(tǒng)中車型識(shí)別的軟件設(shè)計(jì)與實(shí)現(xiàn)[A];全國(guó)第4屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

2 王超;劉翠響;;視頻圖像中車輛的車型識(shí)別算法研究與實(shí)現(xiàn)[A];第二十七屆中國(guó)（天津）2013IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2013年

3 鄧天民;邵毅明;崔建江;;一種車型識(shí)別算法及其應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國(guó)第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2006年

4 張全元;戴光明;陳良;;一種新的基于實(shí)時(shí)視頻流的車型識(shí)別算法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

5 張大奇;曲仕茹;劉真崢;;基于環(huán)投影小波分形特征的車型自動(dòng)識(shí)別方案[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

6 趙天青;梁旭斌;許學(xué)忠;蔡宗義;張敏;;車型識(shí)別中聽覺(jué)特征提取算法的研究[A];第三屆上海——西安聲學(xué)學(xué)會(huì)學(xué)術(shù)會(huì)議論文集[C];2013年

7 劉直芳;游健;王運(yùn)瓊;游志勝;;運(yùn)動(dòng)汽車投影陰影分割算法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前1條

1 胡耀民;基于視頻的車型識(shí)別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 鄧柳;基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別[D];西南交通大學(xué);2015年

2 張明貴;道路車輛的車型識(shí)別方法研究[D];貴州民族大學(xué);2015年

3 涂文華;基于數(shù)據(jù)融合的交通物聯(lián)網(wǎng)感知節(jié)點(diǎn)研究與應(yīng)用[D];南昌大學(xué);2015年

4 劉超;多姿態(tài)車型識(shí)別算法設(shè)計(jì)及應(yīng)用研究[D];電子科技大學(xué);2014年

5 王欣;基于小波分析的車型自動(dòng)識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

6 凌永國(guó);基于卡口圖像車型識(shí)別的研究[D];廣西師范大學(xué);2015年

7 張海彬;基于卡口圖像的車型識(shí)別方法研究[D];合肥工業(yè)大學(xué);2015年

8 萬(wàn)青英;面向眾核平臺(tái)的車輛識(shí)別技術(shù)研究[D];河北科技大學(xué);2015年

9 胡焯源;車輛信息識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];遼寧工業(yè)大學(xué);2016年

10 賈曉;套牌車輛的車型識(shí)別與檢索技術(shù)研究[D];大連海事大學(xué);2016年

，

本文編號(hào)：1861377