The invention provides a vehicle spatial position information sensing method based on sound Doppler effect, which includes the following steps: acquisition of vehicle acoustic signal processing and receiving spectrum map; training of vehicle classification model; establishment of vehicle sound reference spectrum library; and 4, vehicle sound reference spectrum map. Acquisition; (5) Equivalent Doppler shift calculation; (6) Vehicle spatial location information reconstruction; This method has a wide range of applications, does not need additional infrastructure deployment, can obtain key and effective information related to pedestrian safety, and can effectively, reliably and accurately perceive potential traffic accident risk of pedestrians.
【技术实现步骤摘要】
基于声音多普勒效应的车辆空间位置信息感知方法
本专利技术涉及移动计算与声音感知领域,尤其涉及声音信号处理与声音多普勒效应建模技术,用于感知车辆与行人的空间位置信息,以检测行人面临的潜在交通安全风险。
技术介绍
随着移动互联网高速发展与广泛普及,基于丰富多彩的移动APP应用,人们越来越多地在行走的同时使用智能手机进行各项活动,包括通话、浏览信息、聊天、听音乐、看视频等。基于手机交互的活动严重地分散了行人的注意力,延长了行人对道路紧急情况的反应时间,尤其使得其极易忽略车辆迫近的风险,导致致命车祸的发生。根据调查,近年来发生的车辆与行人相撞的车祸中,引发事故的普遍原因是行人由于使用手机而未能对靠近的车辆作出及时反应。智能手机作为行人注意力分散的根源,同时也可以作为解决方案的一部分。现代智能手机配备了多种多样的传感器,包括摄像头、麦克风、加速度计、陀螺仪等。通过传感器获取行人外部状态的变化,利用信号处理、分析与建模等技术,可以感知行人面临的交通风险,向行人发出预警,使之知晓潜在风险以反应,规避交通事故的发生。基于移动环境,现有的提升行人安全的技术手段主要分为三类:一、基于图像识别的车辆靠近感知。该技术利用智能手机背部的摄像头实时采集图像,并利用计算机视觉技术进行车辆靠近识别,事先需要通过机器学习、模式识别等方法在大量车辆图片的基础上训练出车辆识别模型。该技术可用于行人手持手机通话的情形,以提醒行人车辆靠近引起的风险。该技术首先受限于手机后置摄像头的可见性,在夜晚、恶劣天气与摄像头平放时失去作用。其次受限于图像识别算法的高电量消耗,不能适应有限的手机电池容量。二、基 ...
【技术保护点】
1.一种基于声音多普勒效应的车辆空间位置信息感知方法,其特征在于,包括以下步骤:步骤S1,车辆声音信号处理与接收频谱图获取;采集车辆驶近行人过程中的声音;将声音信号进行噪声去除与带通滤波,带通滤波的通频带为[fL,fH],fL与fH为通频带上下界;进行快速傅里叶变换,获取声音信号频域特征,并得出车辆声音的接收频谱图;步骤S2,车辆分类模型训练;事先采集已知的不同种车辆驶近的声音,对每种车辆的声音采样,进行快速傅里叶变换,获取声音信号频域特征,并得到车辆声音的频谱图,进而进行频域上的短时与长时特征值提取,形成特征向量,训练出车辆分类器;步骤S3,建立车辆声音基准频谱图库;对于事先采集的每一种已知车辆声音,进行信号能量峰值检测,在信号能量峰值处取邻域,对邻域内的声音信号作快速傅里叶变换,获得频谱图,即为该车辆声音的基准频谱图;对于每一种车辆声音采样,重复上述过程,得到车辆声音基准频谱图库;步骤S4,车辆声音基准频谱图获取;基于得到的车辆分类器,对在线采集的车辆声音信号进行分类测试,得出车辆分类结果;根据车辆分类结果,在车辆声音基准频谱图库中获取对应车辆种类的基准频谱图;步骤S5,等效多普勒 ...
【技术特征摘要】
1.一种基于声音多普勒效应的车辆空间位置信息感知方法,其特征在于,包括以下步骤:步骤S1,车辆声音信号处理与接收频谱图获取;采集车辆驶近行人过程中的声音;将声音信号进行噪声去除与带通滤波,带通滤波的通频带为[fL,fH],fL与fH为通频带上下界;进行快速傅里叶变换,获取声音信号频域特征,并得出车辆声音的接收频谱图;步骤S2,车辆分类模型训练;事先采集已知的不同种车辆驶近的声音,对每种车辆的声音采样,进行快速傅里叶变换,获取声音信号频域特征,并得到车辆声音的频谱图,进而进行频域上的短时与长时特征值提取,形成特征向量,训练出车辆分类器;步骤S3,建立车辆声音基准频谱图库;对于事先采集的每一种已知车辆声音,进行信号能量峰值检测,在信号能量峰值处取邻域,对邻域内的声音信号作快速傅里叶变换,获得频谱图,即为该车辆声音的基准频谱图;对于每一种车辆声音采样,重复上述过程,得到车辆声音基准频谱图库;步骤S4,车辆声音基准频谱图获取;基于得到的车辆分类器,对在线采集的车辆声音信号进行分类测试,得出车辆分类结果;根据车辆分类结果,在车辆声音基准频谱图库中获取对应车辆种类的基准频谱图;步骤S5,等效多普勒频移计算;对于车辆声音的基准频谱图与接收频谱图,分别计算基于能量分布的累计概率分布函数Fe与Fr;对于基准频谱图与接收频谱图的累计概率分布函数,分别进行N等分,得到N-1个相等的1/N概率区间:在Fr中,为:Ir1,Ir2…Iri…IrN-1,在Fe中,为:Ie1,Ie2…Iei…IeN-1;其中,Iri的以区间形式表示为[fril,frih],fril,frih分别为Iri的区间左、右端点;Iei以区间形式表示为[feil,feih],feil,feih分别为Iei的区间左、右端点;对于两个概率密度函数Fe与Fr各自的N-1个等概率区间的左右端点,对左端点作差,再对右端点作差,再取左右端点差值的平均值,作为区间内的等效多普勒频移:...
【专利技术属性】
技术研发人员:陈昊,马强,陈圣泓,神克乐,
申请(专利权)人:儒安科技有限公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。