论文部分内容阅读
车辆检测识别技术一直是智能交通领域的研究热点。隧道磁阻(Tunnel Magneto Resistance,TMR)传感器作为磁传感器的第四代产品,比目前常用的各向异性磁阻(Anisotropic Magneto Resistance,AMR)传感器有着更高的灵敏度和更加小巧的体积,因此研究基于TMR传感器的车辆检测识别算法十分有发展前景和应用空间。本文根据TMR传感器高灵敏度的特点,搭建了侧路车辆检测系统。分析磁场变化规律,结合TMR传感器特性,设计合适的放大电路和调整模块,选用ZigBee协议作为系统组网方案,CC2530作为主控MCU,对采集信号进行采集发送。选用基于基准线跟踪的状态机检测算法对车辆进行检测,通过对比,确定权值系数和阈值,提取原始磁场信号中的有效信息,方便后续识别算法。根据不同车型实际采集数据特点对车辆类型进行简单划分,选定特征值和特征向量,并由大量样本得到训练集和测试集。车辆分型算法方面,首先研究了BP神经网络算法的基本原理,对比测试,确定了输入层、隐层和输出层神经元个数,依据实际采集的车辆磁场信号数据,测试了不同训练函数和激活函数组成网络时模型的识别精度,最终确定整体模型参数;之后研究了有向无环图支持向量机分类算法,根据本文中车辆分类情况构建相应数量的分类器组成识别算法模型,针对不同的分类器核函数进行测试,对比识别精度选定了最终应用于模型的核函数。采集大量原始车辆磁场信号数据对两种算法模型进行训练测试,对比识别精准度,确定了系统所用车辆类型识别算法。