车辆声频信号盲分离及遗传算法研究

论文摘要

本文主要是对车辆的声频噪声信号进行分离研究。在实际交通环境中,信号的传输途径复杂,具有多径效应,所以很难用精确、简单的数学模型来描述。采用盲信号分离方法,本质上可以大大减少传输模型误差和阵列误差对分离结果的影响,有利于提高精度。论文总结了国内外盲信号分离方面近期的研究成果和进展,并着重讨论了几种比较常用的盲分离学习算法。针对多数盲分离算法在多峰值情况下易陷入局部最优,难以保证全局收敛而导致分离误差的缺陷,文章将遗传算法与传统盲信号分离算法相结合,把全局收敛性能较好的遗传算法引入信号分离算法的寻优过程。运用基于遗传算法的盲信号分离算法对麦克风阵列采集的卡车、小车、农用车、面包车等车辆声频信号做分离处理,实验结果证明,该方法能从多车混合信号中有效分离出单个车辆信号。利用车辆行驶过程中所产生的声频噪声信号进行交通量检测是一种新方法,有较大应用前景。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文的选题背景及意义
• 1.1.1 国内外发展现状
• 1.1.2 常用的交通量检测器
• 1.2 本文的主要内容
• 第2章 盲信号分离
• 2.1 引言
• 2.1.1 盲信号分离的发展及研究现状
• 2.1.2 盲信号分离的应用背景
• 2.2 盲信号分离的基本理论
• 2.2.1 线性瞬时混合模型
• 2.2.2 可分离性
• 2.2.3 不可辨识性
• 2.3 基于信息论的ICA分离算法
• 2.3.1 最大似然估计（MLE-Maximum Likelihood Estimation）算法
• 2.3.2 信息最大化（Infomax）算法
• 2.3.3 最小化互信息（MMI-Minimum Mutual Information）算法
• 2.3.4 负熵最大化（NM）的ICA算法
• 2.4 基于高阶统计理论的ICA算法
• 2.4.1 高阶统计理论
• 2.4.2 基于高阶统计理论的盲信号分离准则
• 2.5 数据预处理
• 2.6 分离结果评价准则
• 第3章 基于遗传算法的盲信号分离算法
• 3.1 问题的提出（盲分离的局限性）
• 3.2 遗传算法简介
• 3.2.1 遗传算法的基本思想
• 3.2.2 遗传算法的特点
• 3.2.3 应用背景
• 3.3 遗传算法的常用技术
• 3.3.1 编码
• 3.3.2 选择算子
• 3.3.3 交叉算子
• 3.3.4 变异算子
• 3.3.5 GA的控制参数
• 3.4 基于遗传算法的盲信号分离算法
• 第4章 基于遗传算法的盲信号分离算法的车辆声频信号分离实验
• 4.1 试验数据的采集
• 4.2 数据处理及分析
• 4.2.1 仿真实验
• 4.2.2 实测多车混合信号分离实验
• 4.2.3 实验结论
• 第5章 总结与展望
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢