车辆运行声车型自动分类的AR模型技术.pdfVIP

第 32卷 第 6期 武汉理工大学学报(鸯 差) V01．32 N0．6 20o8年 12月 JournalofWuhanUnjVersityofTechnology Dec．20O8 (TransportationScienceEngineering) 车辆运行声车型 自动分类的AR模型技术* 王双维D 陈 强 李 江 杜丽萍D 赵丽华D 魏洪峰D (东北师范大学物理学院” 长春 130o24) (吉林大学交通学院。 长春 13O022) 摘要：利用AR参数模型提取采集到的车辆行驶时产生的车外噪声信号的特征，利用假设检验进行 特征选择，并设计了BP神经网络进行分类识别．对道路现场采集到的2种车型共计 11O个信号进 行分析，实验结果表明，通过AR参数模型提取车辆车外噪声特征实现车型 自动分类是可行的，其 分类 的正确率达8O％ 以上． 关键词：车型 自动分类；AR模型；车外噪声；BP神经网络 中图法分类号 ：U27O．9；TP391．42 车型分类是指根据车辆在行驶时对道路损坏 连续的，那么任何ARMA过程或AR过程可以用 程度和 占用程度的不 同而把车辆进行分类．车辆 一 个无限阶的MA过程表示 ，Kolmogorov提出的 分型不仅便于统计交通流量 ，而且是道路通行费 一 个定理有着类似的结论 ：任何ARMA或MA过 的征费标准．车型 自动分类 (automaticvehicIe 程可以用一个无限阶 的AR过程表示[6]．本文采 classification，AVC)是通过检测车辆本身固有的 用AR模型进行车型特征分析 ，对 同种车型速度 参数，在一定的车型分类标准下运用适 当的分类 基本相同的大量样本进行参数模型分析，用车型 识别算法 ，主动地对车辆进行分型L1]．现有车辆 自 模型参数的平均值作为该种车型的种群特征参 动分类技术是通过车辆检测器检测车辆 的车型特 数．该模型的输 出和输入之间满足差分方程为 征来实现分类 的，其分类方法主要有如下几 户 种[2]：轮廓扫描、车轴计数、车牌 自动识别等．现 z()=一∑nz(一是)+ “() (1) 一 l 有车型 自动分类技术研究主要是基于视频检测技 输入激励 ()是均值为零、方差为盯的白噪 术的，其受天气和环境 的影响大，实际应用受到限 声序列，这种模型称为户阶 自回归模型或简称为 制．本文提出的利用车外噪声实现车型检测技术， AR(p)模型，其传输函数为 具有对外界环境适应性强的特点，可全天候工作． 巩R2()= 一志 (2) 1 AR模型 模型输出功率谱为 谱估计的现代方法主要 以随机过程的参数模 z)一 型为基础，因此，也可以将其称为参数模型方法或 或 简称模型方法．wold分解定理认为：任何广义平 稳随机过程都可分解成一个完全随机的部分和一 )一 一 (3) 个确定的部分．确定性随机过程是一个可用其过 去的无限个取样值完全加 以预测的随机过程． 这是一个全极点模型． Wo1d分解定理的一个推论是：如果功率谱完全是 足够高阶数的AR模型可以完全描述某种车 收稿 日期 ：2OO8一O7一O3