一种基于实时编码的车辆特征分类识别算法是一种基于在信号时域上进行编码和特征提取的方法，本发明专利技术提出一个40个字符的符号表，以适应对车辆声音信号的特征提取，具有高识别速率的特点。该方法将车辆的声音信号仅在时域上进行编码，最终形成一个固定大小的一维矩阵来达到识别车辆类型的目的。与传统的基于频域和小波提取特征的方法相比，该方法所需要的运算能量和内存资源都很少，实施起来也很容易。
【技术实现步骤摘要】
一种基于实时编码的车辆特征识别算法
本专利技术提出了一种利用声音信号进行车辆识别的方法，它是一种在信号时域上进行编码和特征提取的方法，本专利技术是基于一个40个字符的符号表,通过该符号表对车辆声音信号的特征提取，简单说来就是一种对车辆声音信号进行处理的方法。
技术介绍
车辆类型识别是一项很重要的信号处理任务，它可以被用在诸如智能交通运输系统的民用领域。目前国外的研究主要是对采用声音传感器、振动传感器和红外传感器进行对车辆信号的采集并采用各种信号处理手段进行信号处理。利用各种微型的主动式或被动式的传感器节点来进行车辆信号的检测和处理是如今在车辆识别领域的趋势，这也为识别算法提出了更高的要求。传统的识别算法如FFT 很难运用到微型的传感器节点上，一个典型的8位单片机在4MHz的时钟频率下完成一个 512点的FFT运算需要大约30s，这无法满足于对于车辆的实时识别要求。同样对于利用小波变换的方法也会耗费大量的计算资源和能量，这就使得利用微型 传感器进行车辆实时识别变得格外困难。
技术实现思路
针对在
技术介绍
中的现有问题，本专利技术提出一种在信号时域上进行编码和特征提取的方法，与传统的基于频域和小波提取特征的方法相比，该方法所需要的运算能量和内存资源都很少，实施起来也很容易。为了能够达到这种目的，本专利技术采用以下技术方案假设一段时间长度为T，带宽为W的车辆声音信号，这个信号包含2TW个零点，其中过零点的位置特征信息很容易计算出，但复零点的位置特征信息计算起来就困难的多，因此放弃计算零点精确的位置特征信息，转而将信号分割成多个元片，每个元以相邻的过零点为边界，这样元内的复零点位置信息就被限定在元内。这样就把计算信号过零点的位置特征信息转化为计算元的特征信息，元的特征信息由两个描述符来表示(1)持续时间D:相邻过零点间的采样点数，它提供了信号波形的频率信息，/^fsXilKDT1⑴是信号频率，h是采样频率；(2)形态S:元内极大值或极小值的个数，它提供了信号波形的谐波信息。编码的结果就是将信号所有的元映射为一个max(D) Xmax(S)的二维空间，但是这个二维空间会很大，这取决于信号的带宽和采样频率。为了能减少信号描述符的数量，利用一个已经定义好的符号表将二维的M描述符转化为一维的符号流，这个符号流再进一步被创建为一个大小为M的一维矩阵，M为符号表内所含符号的数量，矩阵中的元素为符号表中的每个符号在符号流中出现的频率，我们将这个矩阵称为S矩阵，它的创建用以下的表达式权利要求1.一种基于实时编码的车辆特征识别算法，其特征在于该算法用于对车辆声音信号进行特征提取与识别，算法处理是在信号的时域进行的。2.根据权利要求I所述的用于对车辆声音信号进行特征提取与识别的算法，其特征在于用一个预定义的40个符号的符号表来将车辆声音信号的时域特征D和S转化为一个一维矩阵，该矩阵用于车辆声音信号的识别。全文摘要一种基于实时编码的车辆特征分类识别算法是一种基于在信号时域上进行编码和特征提取的方法，本专利技术提出一个40个字符的符号表，以适应对车辆声音信号的特征提取，具有高识别速率的特点。该方法将车辆的声音信号仅在时域上进行编码，最终形成一个固定大小的一维矩阵来达到识别车辆类型的目的。与传统的基于频域和小波提取特征的方法相比，该方法所需要的运算能量和内存资源都很少，实施起来也很容易。文档编号G10L25/03GK102982802SQ20121051622公开日2013年3月20日 申请日期2012年12月6日 优先权日2012年12月6日专利技术者李智, 秦旭, 杨鹏 申请人:四川大学本文档来自技高网...
【技术保护点】
一种基于实时编码的车辆特征识别算法，其特征在于：该算法用于对车辆声音信号进行特征提取与识别，算法处理是在信号的时域进行的。
【技术特征摘要】
【专利技术属性】
技术研发人员：李智，秦旭，杨鹏，
申请(专利权)人：四川大学，
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。