基于声信号处理的交通事故自动检测方法研究

摘要

交通事故伤害已成为对人类生命安全的严重威胁，建立一个快速、高效的应急救援系统，推动我国交通事故应急救援模式的转变，具有重大的现实意义。传统的交通事件检测的研究专注于宏观的道路交通流信息，对交通事故这种微观现象的检测重视不够，交通事故检测的实时性和准确度并不理想。
　　 本文研究基于声信号处理的交通事故自动检测方法。该算法运行在车载DSP系统中，通过采集并分析处理车辆周围的声音，实时监测车辆的运行状态。检测出交通事故发生后，由DSP系统控制向后台的救护系统发出报警信号。
　　 使用模式识别的方法对声信号进行分析处理，分为三个阶段：预处理、特征提取和实时分类。分类器的参数由离线训练得到。首先使用haar小波变换提取声信号的频域特征，采用单类支持向量机进行异常点检测以实现分类判别，该方法在克服线性判别局限性的同时保证了良好的泛化能力，与常用的线性判别分析方法相比准确率有了显着提高，而且计算复杂度低，易于实现。
　　 设计了基于DSP的交通事故自动检测系统。在DSP中融合使用了多种判别信息，保证了系统既能实时运行又具有较高的检测准确率。仿真平台和实际场景下的实验结果表明该算法的判别性能达到了实用化的程度。

目录

文摘

英文文摘

声明

第1章绪论

1.1国内外研究现状和论文工作意义

1.1.1传统的交通事件检测技术

1.1.2基于声信号的交通事故检测技术

1.2本文的主要工作

1.3本文的结构安排

第2章音频信号处理基础

2.1声学基础

2.2时域特性

2.2.1短时能量和短时平均幅度

2.2.2短时平均过零率

2.2.3短时自相关函数

2.2.4线性预测系数

2.3频率特性

2.3.1傅里叶变换

2.3.2 Mel频率倒谱系数

2.4时频特性

2.4.1短时傅里叶变换

2.4.2小波变换

2.5音频信号分类技术

第3章自动声检测算法设计

3.1预处理

3.1.1分帧

3.1.2归一化处理

3.1.3去噪

3.2时频特征提取

3.3分类器设计

3.3.1线性判别分析法

3.3.2使用支持向量机对特征向量进行分类

3.3.3基于距离的异常点检测方法

3.3.4单类支持向量机

3.4本章小结

第4章自动声检测系统设计

4.1总体设计

4.2系统硬件设计

4.2.1 DSP模块设计

4.2.2声音采集模块

4.2.3存储器模块

4.2.4通讯与报警模块

4.3软件设计-多种判别信息的融合

4.3.1基于能量的判别信息

4.3.2基于自相关性的判别信息

4.3.3碰撞声检测算法流程

4.4实验结果与分析

4.4.1 MATLAB仿真平台上的实验结果与分析

4.4.2实际场景下的实验

4.5本章小结

第5章总结与展望

5.1论文工作总结

5.2未来工作展望

参考文献

致谢

攻读学位期间发表的学术论文及参与项目