原文传递
基于声波的运动车辆行驶状态辨识理论研究
| 论文题名： | 基于声波的运动车辆行驶状态辨识理论研究 |
| 关键词： | 运动车辆;行驶状态;声波理论;数据采集;分类器 |
| 摘要： | 随着传感器技术、数字信号处理技术的提高，现代的车辆检测技术逐步向小型化、智能化的方向发展，车辆检测技术在现代交通管理中起着举足轻重的作用。本文在分析声波理论的基础上，提出了一种新的检测方法，主要将运动车辆的声信号和行驶状态结合起来，旨在通过分析车辆行驶过程中的声音信号来对运动车辆的行驶状态进行辨识。 本文以传声器为信号检测元件，设计信号调理电路，并以PCI-1712采集卡为采集平台，通过C++语言在BCB环境下开发数据采集的上位机应用程序，以达到汽车声音信号的高速采集。 本次研究是以实际采集的现场数据为依据，利用现代数字信号处理技术，通过Matlab7.1软件对所采集的信号进行预处理、特征提取及分类器设计与识别。在预处理中，通过加窗函数来对采集的数据进行截取，并对截取的信号利用改进的预加重方法进行处理，提升了车声信号的低频能量，突出有用成分，此外还对有用信号利用零均值和归一化的方法以及小波降噪的方法进行处理，便于后续研究、分析。特征提取主要从时域、频域、时频域及听觉特性这四个方面对不同运动状态下产生的声信号进行分析，主要有时域的短时过零率分析、频域的功率谱分析、时频域的小波和小波包能量分析以及基于听觉特性的MFCC系数分析，并且通过对不同方法的分析结果进行比对，最终选择了小波和小波包结合的方法来对不同运动状态进行特征提取。分类器主要利用了目前应用广泛的BP神经网络进行设计，通过将提取的特征值作为神经网络的输入，将不同运动状态作为输出，训练BP神经网络，并利用训练好的神经网络对提取出的特征值进行分类。 本文通过对大量实际采集的数据进行仿真分析，其试验结果表明：通过小波和小波包结合的方法提取出来的特征值比较稳定，并且所设计好的分类器对待识别运动状态的车声信号分类准确性高，识别率好。因此，可以通过运动车辆的声音信号来对不同运动状态进行识别。 |
| 作者： | 李锦 |
| 专业： | 通信与信息系统 |
| 导师： | 王琪 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南昌航空大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
