基于車輛聲頻信號的車型識別算法研究.pdf

1、車型識別是智能化交通的重要組成部分，它廣泛應用于收費系統(tǒng)、交通數(shù)據(jù)統(tǒng)計等相關(guān)工作中。傳統(tǒng)的方法是在路上埋設(shè)電纜線及感應線圈，通過攝像頭裝置，抓拍車輛的照片進行車型識別，但由于此方法對路段有不同程度地破壞性，設(shè)備后期維護要求高，本文提出了基于車輛行駛中產(chǎn)生的聲頻噪聲對車型進行分類的研究。 本文首先概述了聲探測技術(shù)的發(fā)展狀況及噪聲產(chǎn)生機理和傳播規(guī)律，分析了基于車輛聲頻信號進行車型識別的可行性，利用多傳感器線性陣列采集了多種車型的車輛

2、噪聲信號。接著利用小波、陣列信號等理論，對噪聲信號均進行了去噪聲、加權(quán)合成以及歸一化等預處理。然后對信號進行特征提取，特征提取是完成分類識別的關(guān)鍵，在分析傳統(tǒng)噪聲信號特征的基礎(chǔ)上，本文將語譜圖用于車輛聲頻信號的特征提取中，語譜圖以圖像的方式反映了信號頻譜在時間、頻率二維空間的分布情況，通過與功率譜密度的對比分析，語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、號語譜圖分析中，提取了語譜圖中紋理圖像的對比度、熵、能量、相關(guān)性及局部均勻性等特征值。 文章最后用模式識別理論對紋理特征進行分類。針對聲頻信號的特點，采用了模糊C均值聚類算法(FCM)，由于從噪聲信號的語譜圖提取的紋理特征維數(shù)較高，本文采用改進的模糊C均值聚類算法——核模糊C均值聚類算法(KFCM)。將此特征提取及分類算法對實測的四種車型的噪聲信號進行了分類，結(jié)果表明，此方法收斂速度快，分類效果好，具有較高的識別率。 實