【技术实现步骤摘要】
本专利技术属于目标分类识别领域，具体涉及一种基于微动信息的轮式交通目标分类识别方法、系统、设备和介质。
技术介绍
1、据统计，我国机动车保有量呈现出显著增长态势，在2023年总数已跃升至4.35亿辆，其中汽车占据主导地位，达到3.36亿辆。根据最新数据，全国已有94个城市的汽车保有量成功突破百万辆大关，特别是成都、北京、重庆、上海、苏州等5个城市的汽车保有量更是超过了500万辆，显示出这些城市在经济发展和人口规模方面的领先地位；近些年随着外卖、快递服务以及共享出行等新业态的迅猛发展，非机动车数量也在激增。通常为了赶时间等原因，机动车超速、非机动车等常出现在机动车道上，增加了交通风险的同时，也给道路交通监管带来了巨大困难。现有的道路目标检测和分类识别多针对机动车，对于非机动车的识别却研究不多。随着智慧交通的发展、对环境感知要求的提高，对道路交通目标的监管就越来越严格，对汽车、电动车、自行车等交通目标进行精细分类识别，以便于做出及时、最佳处理就显得尤为重要。
2、目前，道路交通检测设备主要为视频检测设备、激光雷达、毫米波雷达。视频检测是较为普遍和传统的一种检测手段，但图像识别技术的光学传感器易受太阳光斜射、雨雾等天气的影响，导致在恶劣天气或者有障碍物时出现识别率欠佳、抗干扰性能差的现象。这些问题和现象的存在，使得道路检测系统无法做到全天候、全天时的对道路目标进行远程监控。相比于激光、红外等探测装置，雷达白天黑夜均能探测远距离的目标，且不受雾、云和雨等的阻挡，具有全天候、全天时的特点，并有一定的穿透能力。激光雷达和毫米波雷
3、微多普勒效应是目标运动特征独一无二的表现形式，体现了目标的精细运动特征。目前对微多普勒效应的应用研究多集中于对轮式车辆、履带式车辆和行人的分类识别，对轮式车辆的精细分类识别未见报道。
技术实现思路
1、本专利技术针对现有技术中的不足，提供一种基于微动信息的轮式交通目标分类识别方法、系统、设备和介质。该方法是一种基于雷达目标微动信息的包含汽车、电动车、自行车等轮式交通目标的精细分类识别方法，包括目标微动特征建立、目标微动特征提取、和轮式目标精细分类识别等几个部分。此种目标分类识别方法基于目标的微多普勒效应所产生，可有效避免现有技术中易受光线、雾、云和雨等的影响时导致出现无法识别或者识别率欠佳的缺陷，同时能够做到全天候、全天时对轮式交通目标做出精细分类识别。
2、为实现上述目的，本专利技术采用以下技术方案：
3、一种基于微动信息的轮式交通目标分类识别方法，包括以下步骤：
4、步骤1：获取轮式目标的微多普勒回波信号；
5、步骤2：对微多普勒回波信号做短时傅里叶时频变换，获得微多普勒回波信号的时频分布；
6、步骤3：计算微多普勒回波信号的瞬时频率，并对瞬时频率进行emd变换，得到多个模态分量，从多个模态分量中选取单频分量，以求取车轮旋转周期；
7、步骤4：根据微多普勒回波信号的时频分布，求取车轮旋转周期内闪烁点的个数，同时求取时频分布内对应的最大车速；
8、步骤5：将车轮旋转周期内闪烁点的个数、最大车速及对应的车辆种类构成的数据集送入支持向量机，对车辆进行分类识别。
9、为优化上述技术方案，采取的具体措施还包括：
10、进一步地，步骤3中，所述计算微多普勒回波信号的瞬时频率具体为：
11、求微多普勒回波信号sσ(t)的瞬时相位对瞬时相位解缠处理后，求微分，得到微多普勒回波信号的瞬时频率f(t)，t表示时间，计算公式为：
12、
13、式中，unwrap(·)表示解缠。
14、进一步地，步骤3中，所述对瞬时频率进行emd变换具体为：
15、先初始化分解模态数m，对微多普勒回波信号的瞬时频率f(t)进行变分模态分解得到m个模态分量um(t)，m＝1,2,…m，计算当前分解层数下模态分量的能量收敛因子δm，公式如下：
16、
17、其中，表示l2范数的平方，设置能量收敛因子阈值ε，若δm>ε，修正分解模态数m＝m+1，重新对微多普勒回波信号的瞬时频率进行变分模态分解，直至δm≤ε，结束循环，从而得到最佳模态分量个数。
18、进一步地，步骤3中，所述求取车轮旋转周期采用的方法为过零点法，具体为：
19、对选取的单频分量u(t)，搜索u(t)＝0时对应的时间点t”i,(1≤i≤r)，r表示单频分量u(t)的取值为0的时间点个数，利用以下公式求取车轮旋转周期t：
20、t＝2mean(t”i+1-t”i)
21、其中，mean(·)表示求平均。
22、进一步地，步骤4中，所述求取车轮旋转周期内闪烁点的个数具体为：
23、步骤4.1：对于时频分布tf(t,f)，取频率f为0的切面|tf(t,0)|，在切面中搜索让|tf(t,0)|取得最大值的时间点，得到对应的时间为t'；
24、步骤4.2：设置阈值α，取切面|tf(t',f)|，搜索|tf(t',f)|大于α时所对应的最大频率fmax，得到目标的对应速度v为：
25、
26、其中，fc为雷达的载波频率，c为光速；
27、步骤4.3：取时频分布切面|tf(t,fmax)|，搜索|tf(t,fmax)|≥α的值，得到各个闪烁点所对应的时间为ti,(0<i≤s)，s表示时频分布切面总的闪烁点个数，计算时间之间的差值ti+1-ti；则相邻闪烁点间的平均间隔为：
28、
29、步骤4.4：计算周期t内的闪烁点个数n为：
30、
31、由此得到在车轮旋转一周内，共闪烁n次，车轮即有n个辐条。
32、本专利技术还提出一种基于微动信息的轮式交通目标分类识别系统，包括：
33、多普勒雷达，用于获取轮式目标的微多普勒回波信号；
34、时频变换模块，用于对微多普勒回波信号做短时傅里叶时频变换，获得微多普勒回波信号的时频分布；
35、第一计算模块，用于计算微多普勒回波信号的瞬时频率，并对瞬时频率进行emd变换，得到多个模态分量，从多个模态分量中选取单频分量，以求取车轮旋转周期；
36、第二计算模块，用于根据微多普勒回波信号的时频分布，求取车轮旋转周期内闪烁点的个数，同时求取时频分布内对应的最大车速；
37、分类识别模块，用于将车轮旋转周期内闪烁点的个数、最大车速及对应的车辆种类构成的数据集送入支持向量机，对车辆进行分类识别。
38、本专利技术还提出一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理本文档来自技高网...
【技术保护点】
1.一种基于微动信息的轮式交通目标分类识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于微动信息的轮式交通目标分类识别方法，其特征在于，步骤3中，所述计算微多普勒回波信号的瞬时频率具体为：
3.如权利要求1所述的基于微动信息的轮式交通目标分类识别方法，其特征在于，步骤3中，所述对瞬时频率进行EMD变换具体为：
4.如权利要求1所述的基于微动信息的轮式交通目标分类识别方法，其特征在于，步骤3中，所述求取车轮旋转周期采用的方法为过零点法，具体为：
5.如权利要求1所述的基于微动信息的轮式交通目标分类识别方法，其特征在于，步骤4中，所述求取车轮旋转周期内闪烁点的个数具体为：
6.一种基于微动信息的轮式交通目标分类识别系统，其特征在于，包括：
7.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现如权利要求1-5任一项所述的基于微动信息的轮式交通目标分类识别方法。
8.一种计算机可读存储介质，其特征在于：存储有计算机
...【技术特征摘要】
1.一种基于微动信息的轮式交通目标分类识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于微动信息的轮式交通目标分类识别方法，其特征在于，步骤3中，所述计算微多普勒回波信号的瞬时频率具体为：
3.如权利要求1所述的基于微动信息的轮式交通目标分类识别方法，其特征在于，步骤3中，所述对瞬时频率进行emd变换具体为：
4.如权利要求1所述的基于微动信息的轮式交通目标分类识别方法，其特征在于，步骤3中，所述求取车轮旋转周期采用的方法为过零点法，具体为：
5.如权利要求1所述的基于微动信息的轮...
【专利技术属性】
技术研发人员：刘静，沈宏晔，叶智锐，陶刚，祁俊之，姚宇，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：
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。