基于车辆运行噪声的交通量在线统计算法研究

摘要

本论文依托国家自然科学基金项目“基于车辆声谱特征的高速公路交通事件及交通流特性直接检测技术研究”，在分析现有交通流特征参数检测技术基础上，使用现代信号分析技术处理采集到的车辆在行驶中产生的声信号，实现了车型识别、车辆计数和交通量自动检测。 交通量是决定公路建设和维护的核心内容之一，是影响公路建设规模、安排建设序列以及进行项目国民经济评价和财务评价的重要依据，准确的统计交通量，对提高项目投资决策可靠性具有重要价值。交通量统计的实现是在建立在车型识别基础之上的，目前国内外对于车型识别的研究主要集中于感应线圈方法、红外线探测法、压力传感器法等，它们的缺点是安装不方便，且需要经常维护，而基于图像的研究设备昂贵，信息量大，因此，本文提出了面向车辆噪声的交通量统计方法。 汽车噪声识别作为交通量统计的一种手段，具有方便管理、资本投入小等优点，在自动化统计、交通控制等方面具有广泛的应用价值，而噪声识别系统性能是否稳定主要取决于端点检测，车型特征提取，信号重叠，环境噪声等几方面的影响，本文在解决前两方面问题的基础上研究了基于车辆噪声的交通量在线统计算法实现。 本文重点之一是采用参数模型的方法对采集的汽车噪声信号进行处理和分析。首先采用经典的Burg法求AR谱模型参数，同时研究一种新的延时自相关方法估计模型参数，经过结果对比，在技术车型的识别中两种方法都能达到很好的学习效果，但在分类模糊的交通车型识别中，延时自相关法效果相对较好。这在实际应用中很有意义。 本文的另一个研究内容是如何实现交通量的在线统计，即将具体的参数模型车型识别方法应用于实践。具体的实现思路：对采集的声音信号进行端点检测，判断汽车信号的存在，然后在检测到汽车信号中截取峰值作为后续提取特征参数的目标帧，最后将计算所得的模型参数输入经过学习的BP神经网络进行分类识别，并统计出交通量。实验结果表明，在matlab环境下实现此算法，更贴合实际情况，具有造价低，易于实现等优点。

目录

文摘

英文文摘

声明

1引言

1.1课题研究背景

1.2国内交通量统计现状

1.3论文研究的目的和意义

1.4研究内容

1.5论文主要工作和内容安排

2理论介绍

2.1模式识别

2.2经典谱估计方法

2.3谱估计的参数模型方法

2.4 AR模型的Yule-Walker方程

2.5 Levinson-Durbin算法

2.6 AR模型的稳定性及阶的确定

2.7 AR模型参数的提取方法

2.8神经网络理论

2.9端点检测

3.参数模型分析

3.1采集汽车声音信号

3.2对声音信号进行预处理

3.3帧截取

3.4进行归一化处理

3.5模型阶数的判定和选取

3.6用Burg法计算AR谱模型参数

3.7延时自相关计算AR谱模型参数

3.8神经网络训练

4在线统计算法

4.1读入汽车声音信号

4.2端点检测及峰值截取

4.3进行归一化处理

4.4计算模型参数、分类统计

4.5编程实现

4.6实验结果

结论与展望

参考文献

附录

后记

在学期间公开发表论文及著作情况