基于匹配滤波和线性调频理论的纸币识别算法.docVIP

基于匹配滤波和线性调频理论的纸币识别算法 宋晓骥 王伟 杨彦赟 赵同晖 （国防科学技术大学电子科学与工程学院，长沙，410072） 摘 要:本文基于随机信号分析与处理的相关理论，提出了一种纸币识别的数学模型。在此基础上，运用匹配滤波器和线性调频信号的理论，开发了一种简易而可靠的纸币识别算法。 关键词：随机信号分析 匹配滤波器 线性调频信号 Abstract: Based on the random signal analysis and processing theory, a note recognition mathematical model is put forward. On this basis, using matched filter theory and LFM signals, we develop a simple and reliable note recognition algorithm. Key words: Random signal analysis Matched filter Chirp signal 0 引言 纸币识别算法大多是基于模式识别的相关理论，从考量模式相似性的角度开发的。本文提出了一种纸币识别的数学模型，将纸币识别问题归结为在噪声中的信号检测问题，可以运用匹配滤波器和线性调频信号的理论完成识别。 1 匹配滤波器 如图所示线性系统，设系统的传递函数为, 输入波形为 (1) 其中是确知信号，是零均值平稳随机过程，功率谱密度为。 当 (2) 时，输出信噪比达到最大。如果噪声是白噪声，这时的滤波器称为匹配滤波器。 2 线性调频信号 线性调频信号是通过非线性相位调制或线性频率调制(LFM)来获得大的时宽带宽积的信号。线性调频信号可以表示为： （3） 式中：A为信号幅度； 为矩形函数。 3 数学建模及理论分析 3.1 纸币识别问题的数学模型 在纸币识别问题中，共有100元，50元，20元和10元4种面额的纸币，每种纸币有新旧两个版本，每张纸币有4种扫描的方式。因此，等效共有32个面需识别。每一个面的数据是由8个传感器采集到的，以8×60的矩阵的形式呈现的，为此建立了数学模型： 模型假定存在“理想”的纸币，“理想”纸币各面的特征是唯一确知的信号，设这个信号为s(t)。而实际的纸币由于污损、环境等原因，往这个信号中引入了噪声N(t)。设加入噪声后，信号变为： （4） 因此，传感器采集到的是一个随机序列X[n]： （5） X[n]包括8维度的特征，每个特征序列包含60个数据点。 因为s[n]对应的纸币的类别已知，如果检测出X[n]中含有信号s[n],那么就说明X[n]对应的纸币类别与s[n]对应的相同，这样就实现了纸币识别。 3.2运用匹配滤波和线性调频信号理论提高识别准确率 采用上述模型，纸币识别问题可以归结为噪声中信号检测的问题。信噪比越大，检测效果越好，因此可以采用匹配滤波器和线性调频信号来提高信噪比，以改善检测效果。识别过程可以用下图表示。 图1 识别过程 4 工程实现 算法流程图如图2所示。 图2 总体流程图 4.1数据预处理算法 数据预处理的任务，首先是由训练样本得出对“理想”纸币特征的估计，即得到s[n]。 采用了取中值的方法获得这些特征：把所有样本中同一面值、同一面、同一传感器、同一维的数据排序，取中值作为“理想”纸币相应的特征值。这样有效地避免了噪声的影响，可以得到较准确的估计。 然后，将s[n]与线性调频信号序列C[n]相乘，获得调制后的信号h[n]；将采样得到的序列x[n]与同一线性调频信号序列C[n]相乘，得到X[n]。 4.2 分类识别算法 样本的每个特征被视作一个随机序列X[n]。设引入的噪声N[n]为白噪声， (6) s[n]是实序列，所以匹配滤波器的冲击响应为 (7) 将序列X[n]与h[n]做卷积 (8) 把c[n]的最大值与门限值比较，就可以检测出X[n]中是否存在信号s[n]。 根据匹配滤波理论，c[n]在n=60C=1，k=60，h[n]就是s[n]的逆序序列，那么： (9) 这样，就把复杂的卷积运算化为简单的乘加运算，极大地提高了效率。 4.3算法性能 测试样本共有320个，每种币值的纸币80个样本。 面额 100 50 20 10 误判数 0 0 0 0 拒判数 1 2 0 0 漏警概率 0 0 0 0