基于发声带信号分析的交通流特征工程参数识别

来源: www.sblunwen.com 作者:lgg 发布时间:2018-02-28 论文字数:38596字
论文编号: sb2018020519122119655 论文语言:中文 论文类型:硕士毕业论文
本文是工程硕士论文,本文的目的在于借助于车辆经过发声带时产生的声信号,利用计算机、信号处理、波形分析和特征提取等技术,实现交通流特征参数:车型识别、车速检测、车流量统计的
第一章 绪论
 
1.1 研究背景及意义
随着交通建设的快速发展,公路交通成为社会经济发展重要的纽带;计算机和信息技术的迅速发展,交通控制也面向信息化、智能化的方向发展。特别是“四个交通”[1]:综合交通、绿色交通、平安交通、智慧交通的提出,其中智慧交通是关键,作为智能交通系统(ITS)的一项重大工程,在交通信号控制、交通诱导、电子收费、高速公路管理等领域,都起着不可替代的重要作用。在城市交通中,道路、汽车、驾驶员以及相关的服务部门被 ITS 有效地联系起来,使道路交通设施和资源得到更高效的利用。智能交通系统众多信息中最根本的是交通流特征参数信息,该信息的有效检测结果可为交通管理部门对交通设施的规划、设计,政策的制定、措施的采取提供依据。专业杂志 PATH 对交通流特征参数进行了以下分类:车辆计数:交通流的基本特征参数之一。车型识别:交通流的另一基本特征参数。车辆计数和车型识别一起,能直接反映道路的使用效率,拥塞程度。以及各类功能的车辆在整个交通网络上的分布状况。车行时间及速度:它是众多交通因素的集中体现。交通环境状况、出行所需燃料花费、事故发生率和司机的操作情况都是影响车行速度及时间的重要因素。事故检测:减少交通事故及其影响是 ITS 的目的之一,因此事故检测同样是检测系统的任务。交通安全性:交通流中车辆突然抛锚或撞车的“车际冲突”和骚扰或抢劫等“人际冲突”被称为交通危险。对交通危险的及时、有效监测,确定那些需要救助的出行者是 ITS 提高交通安全的措施之一。污染排放量:在倡导绿色环保健康的今天,这个参数的重视度越来越高。车辆重量:车越重,对道路的损坏影响就越严重。因道路损坏而进行养护甚至重建是目前交通系统的一项重要的巨额费用。掌握道路上不同类型车辆的数量、类型、行车状况等对于交通管理十分重要。ITS 的实现要求沿道路安装大量车辆检测器,以此获取车辆参数及运行信息。通过视频处理技术实现车辆参数识别是目前的主流方法,该方法存在易受外界环境(如光强和天气)影响的缺陷,此外视频检测设备费用高,而我国的车辆类型繁多,没有统一的分类标准,因此视频识别的准确率并不高。
.........
 
1.2 国内外主要研究现状及方向
随着 ITS 的发展,车辆检测传感器已成为交通流参数识别的关键技术,目前在车辆检测方面,主要是对车型、交通流以及行驶速度等进行检测。国内外车辆检测器类型繁多,常见车辆检测器有环形线圈检测器、超声波检测器、微波检测器、红外线检测器、磁力检测器、视频检测器[2]等,其工作原理、可检测参数、优缺点分析如表 1.1 所示:通过声传感器和震动传感器和无线传感器网络(WSN)等设备,对车辆通过检测区域时的声音和震动信号进行采集、存储,利用信号处理技术对其进行综合分析与处理,最终来区分不同信号特征就是声信号技术。用声震信号进行交通参数识别的主要优点:1. 该识别技术因不需要时时采集信号,故信息冗余小,可减少无用信息的存储,节约成本。2. 这种技术对信息的采集不受季节、天气变化影响,因此可全天候工作。但基于车辆声音和震动信号的交通流特征参数识别方法,目前主要应用领域为车型识别[3]。国内外基于车辆声音和震动信号的交通流参数识别方法近几年来的研究情况如下:国内,王双维等验证了用声音作为目标信号进行提取交通流参数识别的特征参数是可行的[4];刘波等则提取车辆行驶中的音频信号的短时能量、过零率、功率谱作为车型识别的特征[5];罗向龙等将振动识别技术应用于车型自动识别,提出了一种改进的基于实时编码信号处理(TESP)算法的特征提取方法[7];刘桂林等研究了小波变换和快速傅立叶变换,并在无线传感器网络技术的基础上进行车型识别研究[9];李云焕等则通过对比不同车辆的声音信号特征,验证了基于声音识别的交通信息检测技术的可行性[11];靳舜研究了常用车辆声音和震动信号的特征量和特征提取方法,结合倒谱理论提出了一种分块倒谱加和 BCS 特征提取算法,在特征级融合形成特征向量进行车辆参数的识别[12];张亚东等提出一种特征提取方法,构建以121 维谱和小波包能量谱作为震动信号的联合特征向量,并建立 BP 神经网络模式分类器进行车型识别[13];白永强基于支持向量机(SVM)分类器和 K-邻近分类器(KNN)对车辆进行分类识别[15]。
..........
 
第二章 声信号分析及特征提取
 
声音是由物体振动产生,经介质传播后被人或动物听觉器官所感知的一种波动现象[30]。它是一种可以用波形描述且含有的丰富信息的模拟信号,可通过声音来判断事物的某种状态,是现代化信号处理技术当中研究的重要手段,目前已经被作为一种工具在众多领域中应用。声音信号有着不受电磁干扰、光照及能见度的影响的独特优点。本文对运动车辆通过减速带时的声信号进行分析,将车辆通过发声带时的声信号与车辆基本信息联系到一起,从而实现交通流参数的识别与检测。若是该技术研究成功,便可将其应用到高速公路中来实现对交通流参数的监测,让有关部门及时掌握公路交通信息,为其快速做出相应处理决策提供依据。
 
2.1 车辆声信号分析
车辆声信号是由多个复杂的噪声源产生的,分为车内噪声和车外噪声。本文主要从发动机噪声、轮胎噪声及轮胎与地面的摩擦噪声、风激励噪声(切风声)三个方面了解运动车辆的车外噪声。汽车车外噪声源的分解图如图 2-1 所示:1. 发动机噪声。发动机噪声是指发动机在工作过程中产生的声强和声频呈不规律变化的声音。由图 2-1 可看出发动机噪声中包含空气动力噪声、机械噪声和燃气噪声,其中空气动力性噪声是主要噪声源。在发动机运转过程中,部件间的摩擦、撞击,使发声体产生无规律振动而辐射出的噪声。燃气噪声:发动机混和气的燃烧将使气缸中气体压力剧变而产生的噪声。对汽车来讲主要有五种:活塞敲击产生的噪声、气阀机构噪声、齿轮工作摩擦噪声、喷油泵噪声和机体震动噪声[12]。发动机噪声的大小与发动机的状况是紧密相关的,当发动机速度低时噪声就小,发动机加速时,噪声就变大。2. 轮胎噪声及轮胎与地面的摩擦噪声。在运动过程中,轮胎滚动时其表面花纹中的空气受到挤压而产生的噪声称为轮胎噪声;车速、载重与该种噪声均为正比关系。还有其他一些参数如车速、车型、车轮材料和轮胎也与这个噪声有关。只有满足车辆行驶路面较湿或行驶速度大于 100km/h 的条件,轮胎噪声才能成为车外噪声的主要因素。履带式车辆而言,车辆噪声主要是由履带与车轮的彼此撞击造成车体在中高频处的振动及声辐射而形成的噪声[31];在车辆行驶过程中履带与地面周期性的撞击也会形成噪声。
............
 
2.2 车辆震动信号分析
车辆行驶起步中发动机由起步到低速运转过程中,左支座和左驱动轴部件会产生强烈震动。发动机最初的扭矩波动也会产生震动噪声,路面情况也会引起车身不同程度的震动,这是车辆震动信号的三个主要来源。
 
2.2.1 车辆震动信号的组成
从对车型整体结构和零部件的构成分析,车辆震动信号的主要来源有三种。1. 发动机:发动机在正常工作过程中,活塞燃烧做功、功的传递及其它零部件对曲轴的转动产生阻力形成的扭矩波动。活塞和连杆的上下来回运动,以及曲轴和飞轮这些零部件的转动产生震动信号。车辆高速行驶或加速时,与发动机直接相连的排气系统会剧烈震动形成震动信号。2. 轮胎或履带:两边车轮磨损程度不一、同一车轮磨损不一样,或者运动时车轮两边不平衡都容易形成震动信号。履带式车辆行驶过程中履带与地面、履带与车轮的相互撞击,也会形成震动。
...........
 
第三章 基于变换步长的包络提取 ........18
3.1 包络提取的重要性...... 18
3.2 常用的信号包络提取法.......... 18
3.2.1 HILBERT 变换法............. 18
3.2.2 小波分解法....... 19
3.3 基于变换步长的声信号包络提取算法.......... 20
3.3.1 算法描述........... 21
3.3.2 算法验证........... 24
3.3.3 结果分析........... 25
3.3.4 误差分析........... 27
3.4 方法对比.......... 31
3.4.1 对比分析........... 31
3.4.2 结论....... 33
3.5 本章小结.......... 34
第四章 基于发声带的车辆参数识别 ....35
4.1 目标信号的提取.......... 36
4.2 车速判断.......... 39
4.3 车型识别.......... 40
4.4 车流量统计...... 42
4.5 本章小结.......... 42
第五章 实验分析.............43
5.1 数据来源.......... 43
5.2 数据预处理...... 44
5.2.1 预处理描述....... 44
5.2.2 效果验证........... 47
5.3 车辆参数识别.............. 48
5.3.1 实验分析........... 48
5.3.2 结论....... 57
5.4 本章小结.......... 58
 
第五章 实验分析
 
5.1 数据来源
为利用公路现有设备,本文中提到的发声带不再是隧道内的发声带,而是指辅助发声、辅助采集的设备即减速带、减速条、减速杠等。音频采集设备采集汽车经过减速带时的声信号,采用频率设定:由于实际环境中汽车声信号频率一般都低于 3kHz,由采样定理知,采样频率大于 6kHz 即可。本文研究时使用的音频信号采样频率为 44.1kHz,录制的声音信号的过程是过采样过程。采样频率高可保证数据中有用的信息量不会丢失;在进行实验数据的分析和处理时,可降低信号的采样率来提高数据的处理速度,使得系统实时处理时快捷、准确,这些都是在工程应用中是必须加以考虑的问题。信号是表示消息的物理量,如电信号可以通过幅度、频率、相位的变化来表示不同的消息。信号是运载消息的工具,是消息的载体。信号的采集与传输过程中,不可避免会受到大量噪声信号的干扰,信号预处理的主要目的就是削弱信号中的多余内容;滤出混杂的噪声和干扰;或者将信号变换成容易处理、传输、分析与识别的形式,以便后续的别的处理。
.........
 
结论
 
论文对车辆经过发声带时的声信号进行分析,提出了基于发声带信号分析的交通流特征参数识别方法,该论文提出的方法只需一种设备,克服了多传感器环境下,信号同步困难的问题。
1. 通过具体实验,对采集的车辆经过减速带时的声信号进行包络提取,并提取特征参数—峰值时间点,来进行车辆参数的识别,用具体实验数据验证论文提出的基于发声带信号分析的交通流特征参数识别方法的可行性。
2. 三种路段对识别结果的影响来自不同因素:(1) 高速收费站出口处:车辆的加速、减速状态对轴距检测结果有很大影响:车辆减速时,检测轴距会变长;车辆加速时,检测轴距会变短。(2) 高速路段:该路段车速较大,车速在 100km/h-20km/h 之间时,气流会随车速的提升而急剧增强,气流噪声明显增强;车速大于 120km/h 时,气流噪声迅速增大,此时气流噪声会成为主要噪声,该噪声可能淹没目标信号,以至于特征点提取不准确,对识别结果造成严重误差。(3) 城内快速路段:该路段由于减速带间隔过小,车辆轴距过小时,可能存在车辆轮胎同时碾压两条减速带造成的波形混叠和车辆轴距过小造成前轮碾压减速带和后轮碾压减速带的波形重叠,使识别结果产生误差。
..........
参考文献(略)

原文地址:http://www.sblunwen.com/gclw/19655.html,如有转载请标明出处,谢谢。

您可能在寻找工程硕士论文方面的范文,您可以移步到工程硕士论文频道(http://www.sblunwen.com/gclw/)查找