论文部分内容阅读
智能交通系统集成了计算机、通信、人工智能、传感器等领域的技术,力在改善交通环境,提高交通的运行效率。车型识别是智能交通系统(ITS)中的一个重要方面,车型类别无论在交通情况调查还是在高速公路网收费系统多路径确认等方面都很重要。本文的工作围绕多普勒雷达展开,主要研究其车型识别的算法。
本文首先介绍了智能交通系统的定义,应用领域和发展趋势,对各种交通信息采集方式进行了对比。文中介绍了微波雷达进行车型识别的发展现状,分析了多普勒雷达的检测原理。
根据实际检测的需求,本文提出目标检测的两个关键技术:针对频谱泄漏的功率谱修正算法和公路背景的抑制算法。同时在上海进行测试,测试结果表明基于这些算法,目标的频谱性能得到改善,信噪比得到提高。
本文提出一种用多普勒雷达进行车型识别的方法,把车辆建模成包含多个散射中心的目标体,散射中心与雷达的距离与频谱能量有关,因此同一目标的频谱变化反映了该目标的轮廓特征。然后将有效的频谱特征采用主成分分析(PCA)和线性判别分析(LDA)进行降维,再利用支持向量机(SVM)等分类器实现分型。另外遗传算法和粒子群算法可协同对分类器进行优化。最后,通过大量实验数据对不同识别算法进行验证,结果表明基于PCA-LDA-SVM的车型识别算法效果理想,有广泛的应用前景。
针对雷达信号的时变特征接近于低频音频信号的特点,本文提出将语音识别领域相关技术引入雷达目标识别。研究通过提取信号的梅尔倒频谱系数(MFCC),用高斯混合模型(GMM)逼近目标特征的概率分布密度,并通过隐马尔科夫模型(HMM)描述目标间的概率关联。这是解决车型分类问题中的一个值得研究的方案。