基于遗传神经网络的车型识别算法研究

论文摘要

随着我国公路交通事业的飞速发展,智能交通的研究受到了很大的重视,车型识别在智能交通系统中占有很重要的地位,它广泛应用于自动收费系统、交通数据统计等相关工作中。因此开发价格低廉、适合我国国情的车型识别系统具有十分重要的实际意义。本文基于运动车辆产生的声频信号来进行车型识别的研究。文章首先概述了模式识别和声探测技术的发展,详述了声波传播规律及车辆噪声产生机理,分析了基于车辆声频信号进行车型识别的可行性。然后利用传感器阵列采集了多种车型车辆噪声信号样本,对信号样本进行了小波去噪等预处理。并通过提取特征对信号样本进行车型识别,但由于车辆噪声信号是典型的非平稳信号,因此本文在提取特征时利用小波包将信号分解到不同频段内,并对小波包分解系数进行重构,提取各频带范围信号,构造以各频带能量为向量元素的特征向量。随后本文提出了一种遗传BP神经网络分类算法,此算法通过遗传算法对人工神经网络权值、阈值训练,并将训练好了的权系值送入神经网络训练识别车型样本。避免了传统的BP算法容易陷入局部极小的问题,缩短了学习时间,增加了网络的泛化能力。将上述特征提取及分类算法对实测的卡车、轿车和中巴车三种车型的噪声信号样本进行分类。由于不同车型的车辆噪声信号在各频带能量分布情况不同,因此本文仿真实验中对信号样本进行三层小波包分解提取各车型不同频带的能量来构造特征向量。接着建立遗传神经网络模型,并分别采用传统的BP神经网络和遗传BP神经网络对样本进行训练和识别,实验结果表明,与传统BP神经网络分类方法相比较,遗传BP神经网络分类方法收敛速度快,分类效果好,具有较高的识别率。因此,利用行驶过程中的车辆产生的声音信号进行车型识别是一种可行的、有效的方法,具有较大的应用前景。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 国内外发展现状
• 1.2.1 模式识别技术
• 1.2.2 声探测技术
• 1.2.3 车型识别技术
• 1.3 模式识别概述
• 1.3.1 模式识别方法
• 1.3.2 模式识别工程任务
• 1.4 本文的主要内容
• 第二章 车辆噪声信号特性分析及采集
• 2.1 车辆噪声信号特性分析
• 2.1.1 声波传播理论
• 2.1.2 噪声分类
• 2.1.3 运动车辆噪声产生机理
• 2.2 车辆噪声信号采集
• 2.3 本章小结
• 第三章 车辆噪声信号预处理及分析
• 3.1 信号加窗
• 3.1.1 几种常见的窗函数
• 3.1.2 窗函数的应用原则
• 3.1.3 车辆噪声信号加窗
• 3.2 小波去噪
• 3.2.1 小波分析理论
• 3.2.2 小波去噪
• 3.3 车辆噪声信号分析
• 3.4 本章小结
• 第四章 车辆噪声信号特征提取
• 4.1 常用的声信号特征提取方法
• 4.1.1 传统功率谱分析法
• 4.1.2 有理函数模型谱分析法
• 4.2 小波包特征提取
• 4.2.1 小波包变换
• 4.2.2 小波包噪声信号特征提取
• 4.3 本章小结
• 第五章 遗传神经网络分类算法
• 5.1 人工神经网络
• 5.1.1 人工神经网络概述
• 5.1.2 BP 误差反向传播神经网络
• 5.2 遗传算法
• 5.2.1 遗传算法的定义及特点
• 5.2.2 遗传操作
• 5.2.3 遗传算法适应度函数的改进
• 5.2.4 遗传算法在优化实际问题中的应用
• 5.3 遗传算法优化BP 神经网络
• 5.4 本章小结
• 第六章 实验分析及分类
• 6.1 车辆噪声信号特征提取
• 6.2 建立遗传神经网络模型及分类
• 6.3 本章小结
• 结论与展望
• 参考文献
• 附录
• 致谢