基于車(chē)輛聲頻信號(hào)的車(chē)型識(shí)別算法研究.pdf

1、車(chē)型識(shí)別是智能化交通的重要組成部分，它廣泛應(yīng)用于收費(fèi)系統(tǒng)、交通數(shù)據(jù)統(tǒng)計(jì)等相關(guān)工作中。傳統(tǒng)的方法是在路上埋設(shè)電纜線及感應(yīng)線圈，通過(guò)攝像頭裝置，抓拍車(chē)輛的照片進(jìn)行車(chē)型識(shí)別，但由于此方法對(duì)路段有不同程度地破壞性，設(shè)備后期維護(hù)要求高，本文提出了基于車(chē)輛行駛中產(chǎn)生的聲頻噪聲對(duì)車(chē)型進(jìn)行分類(lèi)的研究。 本文首先概述了聲探測(cè)技術(shù)的發(fā)展?fàn)顩r及噪聲產(chǎn)生機(jī)理和傳播規(guī)律，分析了基于車(chē)輛聲頻信號(hào)進(jìn)行車(chē)型識(shí)別的可行性，利用多傳感器線性陣列采集了多種車(chē)型的車(chē)輛

2、噪聲信號(hào)。接著利用小波、陣列信號(hào)等理論，對(duì)噪聲信號(hào)均進(jìn)行了去噪聲、加權(quán)合成以及歸一化等預(yù)處理。然后對(duì)信號(hào)進(jìn)行特征提取，特征提取是完成分類(lèi)識(shí)別的關(guān)鍵，在分析傳統(tǒng)噪聲信號(hào)特征的基礎(chǔ)上，本文將語(yǔ)譜圖用于車(chē)輛聲頻信號(hào)的特征提取中，語(yǔ)譜圖以圖像的方式反映了信號(hào)頻譜在時(shí)間、頻率二維空間的分布情況，通過(guò)與功率譜密度的對(duì)比分析，語(yǔ)譜圖除了表征能量較集中的頻譜區(qū)域與其它區(qū)域呈現(xiàn)不同的色彩外，還呈現(xiàn)不同的紋理圖像，由此，本文將紋理圖像分析的理論引入到聲頻信

3、號(hào)語(yǔ)譜圖分析中，提取了語(yǔ)譜圖中紋理圖像的對(duì)比度、熵、能量、相關(guān)性及局部均勻性等特征值。 文章最后用模式識(shí)別理論對(duì)紋理特征進(jìn)行分類(lèi)。針對(duì)聲頻信號(hào)的特點(diǎn)，采用了模糊C均值聚類(lèi)算法(FCM)，由于從噪聲信號(hào)的語(yǔ)譜圖提取的紋理特征維數(shù)較高，本文采用改進(jìn)的模糊C均值聚類(lèi)算法——核模糊C均值聚類(lèi)算法(KFCM)。將此特征提取及分類(lèi)算法對(duì)實(shí)測(cè)的四種車(chē)型的噪聲信號(hào)進(jìn)行了分類(lèi)，結(jié)果表明，此方法收斂速度快，分類(lèi)效果好，具有較高的識(shí)別率。 實(shí)