本文關(guān)鍵詞：基于TMR傳感器的車(chē)輛檢測(cè)識(shí)別算法研究　出處：《哈爾濱工業(yè)大學(xué)》2016年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： TMR ZigBee無(wú)線網(wǎng)絡(luò) 基準(zhǔn)線跟蹤 車(chē)輛識(shí)別分型

【摘要】：車(chē)輛檢測(cè)識(shí)別技術(shù)一直是智能交通領(lǐng)域的研究熱點(diǎn)。隧道磁阻(Tunnel Magneto Resistance,TMR)傳感器作為磁傳感器的第四代產(chǎn)品,比目前常用的各向異性磁阻(Anisotropic Magneto Resistance,AMR)傳感器有著更高的靈敏度和更加小巧的體積,因此研究基于TMR傳感器的車(chē)輛檢測(cè)識(shí)別算法十分有發(fā)展前景和應(yīng)用空間。本文根據(jù)TMR傳感器高靈敏度的特點(diǎn),搭建了側(cè)路車(chē)輛檢測(cè)系統(tǒng)。分析磁場(chǎng)變化規(guī)律,結(jié)合TMR傳感器特性,設(shè)計(jì)合適的放大電路和調(diào)整模塊,選用ZigBee協(xié)議作為系統(tǒng)組網(wǎng)方案,CC2530作為主控MCU,對(duì)采集信號(hào)進(jìn)行采集發(fā)送。選用基于基準(zhǔn)線跟蹤的狀態(tài)機(jī)檢測(cè)算法對(duì)車(chē)輛進(jìn)行檢測(cè),通過(guò)對(duì)比,確定權(quán)值系數(shù)和閾值,提取原始磁場(chǎng)信號(hào)中的有效信息,方便后續(xù)識(shí)別算法。根據(jù)不同車(chē)型實(shí)際采集數(shù)據(jù)特點(diǎn)對(duì)車(chē)輛類(lèi)型進(jìn)行簡(jiǎn)單劃分,選定特征值和特征向量,并由大量樣本得到訓(xùn)練集和測(cè)試集。車(chē)輛分型算法方面,首先研究了BP神經(jīng)網(wǎng)絡(luò)算法的基本原理,對(duì)比測(cè)試,確定了輸入層、隱層和輸出層神經(jīng)元個(gè)數(shù),依據(jù)實(shí)際采集的車(chē)輛磁場(chǎng)信號(hào)數(shù)據(jù),測(cè)試了不同訓(xùn)練函數(shù)和激活函數(shù)組成網(wǎng)絡(luò)時(shí)模型的識(shí)別精度,最終確定整體模型參數(shù);之后研究了有向無(wú)環(huán)圖支持向量機(jī)分類(lèi)算法,根據(jù)本文中車(chē)輛分類(lèi)情況構(gòu)建相應(yīng)數(shù)量的分類(lèi)器組成識(shí)別算法模型,針對(duì)不同的分類(lèi)器核函數(shù)進(jìn)行測(cè)試,對(duì)比識(shí)別精度選定了最終應(yīng)用于模型的核函數(shù)。采集大量原始車(chē)輛磁場(chǎng)信號(hào)數(shù)據(jù)對(duì)兩種算法模型進(jìn)行訓(xùn)練測(cè)試,對(duì)比識(shí)別精準(zhǔn)度,確定了系統(tǒng)所用車(chē)輛類(lèi)型識(shí)別算法。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U495;TP212.9
，

本文編號(hào)：1321624