發(fā)布時間：2018-03-21 12:09

  本文選題：聲磁EAS系統(tǒng)　切入點：標簽識別算法　出處：《鄭州大學》2017年碩士論文　論文類型：學位論文

【摘要】：電子商品防盜系統(tǒng)(Electronic Article Surveillance,EAS)是一種應用于現(xiàn)代零售業(yè)中的防盜設備,通過減少商品失竊,來提高銷售利潤。隨著科學技術(shù)的發(fā)展,EAS系統(tǒng)的工作環(huán)境日趨復雜,各種電磁干擾嚴重影響了系統(tǒng)的檢測性能。聲磁技術(shù)為EAS系統(tǒng)的發(fā)展提供了一條新的道路,聲磁EAS系統(tǒng)根據(jù)音叉原理而設計,其檢測性能遠超其他類型的產(chǎn)品。本文設計一種基于DSP的聲磁EAS系統(tǒng),并根據(jù)聲磁標簽信號特征研究了一種基于支持向量機的檢測方法。本文所設計的系統(tǒng)檢測器的核心處理器采用TMS320F28335,系統(tǒng)工作頻率為58kHz,系統(tǒng)天線采用收發(fā)天線共用的時分復用一體式收發(fā)方式;系統(tǒng)通過引入50Hz的網(wǎng)絡同步信號,可以有效地提高系統(tǒng)穩(wěn)定性和抗干擾能力;發(fā)射信號通過整形電路、線性放大電路、功率放大電路處理后饋送至發(fā)射天線上,在天線周圍形成了標簽檢測區(qū)域。標簽信號一般都很微弱,通過放大電路、濾波電路、運算電路處理后輸入DSP中進行AD轉(zhuǎn)化和處理,處理器將分析接收信號特征以決定是否觸發(fā)報警系統(tǒng)。針對傳統(tǒng)聲磁EAS系統(tǒng)標簽識別算法導致系統(tǒng)檢測率低和抗干擾性差等問題,本文研究了一種改進型人工魚群算法(IAFSA)與支持向量機(SVM)相結(jié)合的聲磁標簽信號檢測算法(IAFSA-SVM)。首先詳細地分析了支持向量機和傳統(tǒng)人工魚群算法的原理和優(yōu)勢,根據(jù)算法的不足提出了優(yōu)化方案,并建立了SVM檢測模型;實驗收集了足夠的測試樣本,提取并分析了標簽信號和系統(tǒng)環(huán)境噪聲的特征,綜合考慮算法復雜度和標簽信號的特點,選擇了信號幅度、頻率和信噪比作為支持向量機的輸入向量,最后設計了實驗仿真流程圖。根據(jù)本文所提出的系統(tǒng)方案,設計了收發(fā)一體式聲磁EAS系統(tǒng)和標簽識別算法,對系統(tǒng)硬件和算法的性能進行了測試:系統(tǒng)硬件各模塊工作正常,與預設參數(shù)相同;基于SVM的標簽識別算法檢測距離可達1.5m,檢測率為99.75%,算法平均耗時4.6ms,可滿足系統(tǒng)實時檢測要求。
[Abstract]:Electronic Article Survey system (EAS) is a kind of anti-theft equipment used in modern retail industry, which can increase the sales profit by reducing the theft of goods. With the development of science and technology, the working environment of EAS system is becoming more and more complex. All kinds of electromagnetic interference seriously affect the detection performance of the system. Acoustic and magnetic technology provides a new way for the development of EAS system. The acoustic magnetic EAS system is designed according to the principle of tuning fork. Its detection performance is far superior to other types of products. In this paper, a sound magnetic EAS system based on DSP is designed. A detection method based on support vector machine (SVM) is studied according to the characteristics of acoustomagnetic label signal. The core processor of the system detector is TMS320F28335, the system frequency is 58kHz, and the antenna of the system is shared by transceiver antenna. Time division multiplexing integrated transceiver mode; By introducing 50Hz network synchronous signal, the system can effectively improve the stability and anti-jamming ability of the system, and the transmitting signal is fed to the transmitting antenna through shaping circuit, linear amplifier circuit and power amplifier circuit. The tag detection area is formed around the antenna. The tag signal is usually very weak. After processing the amplifier circuit, filter circuit and operation circuit, it is input into DSP for AD conversion and processing. The processor will analyze the characteristics of the received signal to determine whether to trigger the alarm system. The traditional acoustomagnetic EAS system label recognition algorithm leads to low detection rate and poor anti-jamming. In this paper, an improved artificial fish swarm algorithm (IAFSA) and support vector machine (SVM) are studied. Firstly, the principle and advantages of support vector machine and traditional artificial fish swarm algorithm are analyzed in detail. According to the deficiency of the algorithm, the optimization scheme is put forward, and the SVM detection model is established, and enough test samples are collected, the characteristics of tag signal and system environment noise are extracted and analyzed, and the complexity of the algorithm and the characteristics of label signal are considered synthetically. The signal amplitude, frequency and signal-to-noise ratio are selected as input vectors of support vector machine. Finally, an experimental simulation flow chart is designed. According to the proposed system, a transceiver acoustic-magnetic EAS system and label recognition algorithm are designed. The performance of the system hardware and algorithm is tested: the system hardware modules work normally and are the same as the preset parameters; The detection distance of tag recognition algorithm based on SVM is up to 1.5 m, the detection rate is 99.75 and the average time of the algorithm is 4.6 ms.It can meet the requirement of real-time detection of the system.
【學位授予單位】：鄭州大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 孫運英，夏紅霞，，趙愚，劉定飛;棧的一種算法理論[J];武漢工業(yè)大學學報;1995年01期

2 許道云;;全息算法的原理及應用[J];計算機科學與探索;2011年02期

3 段海濱,王道波,朱家強,黃向華;蟻群算法理論及應用研究的進展[J];控制與決策;2004年12期

4 段海濱;王道波;于秀芬;;幾種新型仿生優(yōu)化算法的比較研究[J];計算機仿真;2007年03期

5 劉永廣;葉梧;馮穗力;;一種基于非線性長度的多約束路由算法[J];計算機應用研究;2008年11期

6 劉永廣;葉梧;馮穗力;;一種基于蟻群算法和非線性長度的多約束路由算法[J];通信技術(shù);2009年08期

7 劉振;胡云安;;一種多粒度模式蟻群算法及其在路徑規(guī)劃中的應用[J];中南大學學報(自然科學版);2013年09期

8 羅景峰;;智能算法求解效果評價的物元模型[J];微電子學與計算機;2011年04期

9 劉芳,李陽陽;量子克隆進化算法[J];電子學報;2003年S1期

10 周雅蘭;;細菌覓食優(yōu)化算法的研究與應用[J];計算機工程與應用;2010年20期

相關(guān)會議論文 前4條

1 李曉磊;錢積新;;人工魚群算法:自下而上的尋優(yōu)模式[A];過程系統(tǒng)工程2001年會論文集[C];2001年

2 徐公林;張鐵龍;;人工魚群算法在電力系統(tǒng)負荷模型參數(shù)辨識中的應用[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（中冊）[C];2008年

3 董家瑞;王精業(yè);潘麗君;;改進的Dijksta算法在裝備保障系統(tǒng)中的應用[A];圖像圖形技術(shù)與應用進展——第三屆圖像圖形技術(shù)與應用學術(shù)會議論文集[C];2008年

4 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚群算法RBF神經(jīng)網(wǎng)絡[A];第十屆全國電工數(shù)學學術(shù)年會論文集[C];2005年

相關(guān)博士學位論文 前10條

1 高衛(wèi)峰;人工蜂群算法及其應用的研究[D];西安電子科技大學;2013年

2 王聯(lián)國;人工魚群算法及其應用研究[D];蘭州理工大學;2009年

3 姚正華;改進人工魚群智能優(yōu)化算法及其應用研究[D];中國礦業(yè)大學;2016年

4 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學;2003年

5 張捷;進化算法及智能數(shù)據(jù)挖掘若干問題研究[D];西安電子科技大學;2013年

6 程世娟;改進蟻群算法及其在結(jié)構(gòu)系統(tǒng)可靠性優(yōu)化中的應用[D];西南交通大學;2009年

7 楊振宇;基于自然計算的實值優(yōu)化算法與應用研究[D];中國科學技術(shù)大學;2010年

8 郭慶昌;均值移動算法及在圖像處理和目標跟蹤中的應用研究[D];哈爾濱工程大學;2008年

9 張梅鳳;人工魚群智能優(yōu)化算法的改進及應用研究[D];大連理工大學;2008年

10 金勁;群集智能算法在網(wǎng)絡策略中的研究及其應用[D];蘭州理工大學;2011年

相關(guān)碩士學位論文 前10條

1 耿亞南;聲磁EAS系統(tǒng)設計及標簽檢測算法研究[D];鄭州大學;2017年

2 黃林;空間復用MIMO系統(tǒng)接收端的球形譯碼檢測算法研究[D];寧夏大學;2015年

3 牛麗娟;基于Gossip算法的無線傳感器網(wǎng)絡分布式參數(shù)場估計[D];哈爾濱工業(yè)大學;2015年

4 卓靜一;液晶相控陣波前相位校正算法研究[D];電子科技大學;2014年

5 張瑩;視頻異常事件檢測算法研究[D];大連理工大學;2015年

6 張博;基于多用戶MIMO系統(tǒng)的魯棒性信號檢測算法研究[D];大連理工大學;2015年

7 陳望;基于混合算法的室內(nèi)WLAN定位研究[D];新疆大學;2015年

8 陳宗文;霍夫森林框架下的多目標檢測與跟蹤算法研究[D];東北大學;2013年

9 張亞玲;衛(wèi)星導航抗干擾算法研究及系統(tǒng)設計[D];西安電子科技大學;2014年

10 賈佳蔚;基于粒子濾波的檢測前跟蹤算法研究[D];電子科技大學;2015年

本文編號：1643793