基于聲波的運動車輛行駛狀態(tài)辨識理論研究.pdf

1、隨著傳感器技術、數(shù)字信號處理技術的提高，現(xiàn)代的車輛檢測技術逐步向小型化、智能化的方向發(fā)展，車輛檢測技術在現(xiàn)代交通管理中起著舉足輕重的作用。本文在分析聲波理論的基礎上，提出了一種新的檢測方法，主要將運動車輛的聲信號和行駛狀態(tài)結合起來，旨在通過分析車輛行駛過程中的聲音信號來對運動車輛的行駛狀態(tài)進行辨識。
　　本文以傳聲器為信號檢測元件，設計信號調理電路，并以PCI-1712采集卡為采集平臺，通過C++語言在BCB環(huán)境下開發(fā)數(shù)據(jù)采集的上

2、位機應用程序，以達到汽車聲音信號的高速采集。
　　本次研究是以實際采集的現(xiàn)場數(shù)據(jù)為依據(jù)，利用現(xiàn)代數(shù)字信號處理技術，通過Matlab7.1軟件對所采集的信號進行預處理、特征提取及分類器設計與識別。在預處理中，通過加窗函數(shù)來對采集的數(shù)據(jù)進行截取，并對截取的信號利用改進的預加重方法進行處理，提升了車聲信號的低頻能量，突出有用成分，此外還對有用信號利用零均值和歸一化的方法以及小波降噪的方法進行處理，便于后續(xù)研究、分析。特征提取主要從時域、

3、頻域、時頻域及聽覺特性這四個方面對不同運動狀態(tài)下產(chǎn)生的聲信號進行分析，主要有時域的短時過零率分析、頻域的功率譜分析、時頻域的小波和小波包能量分析以及基于聽覺特性的MFCC系數(shù)分析，并且通過對不同方法的分析結果進行比對，最終選擇了小波和小波包結合的方法來對不同運動狀態(tài)進行特征提取。分類器主要利用了目前應用廣泛的BP神經(jīng)網(wǎng)絡進行設計，通過將提取的特征值作為神經(jīng)網(wǎng)絡的輸入，將不同運動狀態(tài)作為輸出，訓練BP神經(jīng)網(wǎng)絡，并利用訓練好的神經(jīng)網(wǎng)絡對提取