高铁轨道异物侵限监测中的自动识别算法研究

发布时间：2021-08-26 02:04

　　铁路轨道异物入侵作为造成列车事故的重要原因,一旦异物入侵铁路轨道,势必会对列车的运行安全造成极大破坏甚至威胁乘客生命安全,因此实现对轨道入侵异物的检测跟踪对行车安全至关重要。随着高速列车的快速发展,列车的安全性越来越受到人们的重视。高速列车行驶速度很快,一旦与轨道异物发生碰撞,必然对列车和乘客造成不可估量的损失,因而识别出轨道入侵异物以及异物跟踪乃至异物运动轨迹趋势预测对提高列车行车安全和预警能力具有至关重要的作用。论文在广泛搜集、阅读和分析国内外有关铁路异物侵限方面最新文献和成果的基础上,研究了图像去噪、背景建模、异物检测、目标跟踪和轨迹预测等方面的基本原理和方法,给出了铁路异物侵限涉及到的计算模型和实现算法。针对铁路轨道异物侵限的问题,文章提出了一种改进图像去噪算法,通过改进的混合高斯模型算法进行前景目标识别检测,同时利用BP神经网络修正交互多模型跟踪算法实现了轨道异物目标跟踪定位并减小了跟踪误差,搭建的Elman神经网络模型实现了异物目标轨迹预测,通过实验分析,该模型及方法可以有效解决铁路异物侵限的检测、跟踪与轨迹预测方面的问题,达到实时监控。首先本文介绍了常用的各种小波去噪算法... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

-(c)去噪实验

(d)去噪实验对比图（局部）图 2.2 “blocks”含噪信号去噪结果比较示对混有21n 的噪声的“doppler”信号进行去噪之后的效果图(a)原始信号

(d)去噪实验对比图（局部）图 2.3 “doppler”含噪信号去噪结果比较视觉效果上看，如图 2.2(c)、图 2.3(c)的去噪实验对比图所示，法去噪后信号与标准信号最为符合，最接近于原始信号，去噪留方面，主要体现在波形图的转折点，从图 2.2(d)、图 2.3(d)用本文算法的去噪效果最佳。为了客观评价本文算法去噪效果(mean square error)、信噪比 SNR(Signal to Noise Ratio)以及平差(MSE)的计算式为211 ( )ni iiMSE f fn (SNR)的计算公式为2110( )10 ()niinfSNR log

【参考文献】：
期刊论文
[1]基于卡尔曼滤波的动态轨迹预测算法[J]. 乔少杰,韩楠,朱新文,舒红平,郑皎凌,元昌安.  电子学报. 2018(02)
[2]基于新阈值函数的小波阈值去噪算法[J]. 卢广森,黎英,毛敏.  传感器与微系统. 2017(12)
[3]基于自适应分解层数和阈值的小波去噪算法[J]. 余本富,王维博,郑永康,董蕊莹.  传感器与微系统. 2017(12)
[4]基于卷积神经网络的图像混合噪声去除算法[J]. 雷俊锋,王赫,刘恩雨,肖进胜,谢文娟.  微电子学与计算机. 2017(12)
[5]改进小波降噪算法在轴承缺陷图像的应用[J]. 吴雅朋,蒋章雷,王吉芳,徐小力.  组合机床与自动化加工技术. 2017(11)
[6]基于AIS信息和BP神经网络的船舶航行行为预测[J]. 甄荣,金永兴,胡勤友,施朝健,王胜正.  中国航海. 2017(02)
[7]基于小波变换的自适应多模红外小目标检测[J]. 张晓露,李玲,辛云宏.  激光与红外. 2017(05)
[8]基于中值滤波和小波变换的红外图像去噪方法[J]. 代少升,崔俊杰,张德洲,张绡绡.  半导体光电. 2017(02)
[9]基于双背景建模与差分图像的轨道异物识别[J]. 侯涛,李丹丹.  兰州交通大学学报. 2017(01)
[10]一种快速高精度GPS组合定位方法研究[J]. 王迪,陈光武,杨厅.  铁道学报. 2017(02)

硕士论文
[1]基于云台相机的铁路异物侵限检测方法研究[D]. 马学志.北京交通大学 2018
[2]基于智能视频分析的铁路入侵检测系统研究[D]. 李凡.北京交通大学 2012
[3]高速铁路异物侵限监控系统设计[D]. 程为.武汉理工大学 2010
[4]基于图像处理的铁路道口视频监控系统算法设计[D]. 杨冰梅.西南交通大学 2008



本文编号：3363323