基于运动传感器的车辆行驶状态识别技术研究

发布时间：2021-08-12 20:27

　　基于机器学习的车辆状态识别技术可以更有效的辅助驾驶人员安全驾驶,降低交通事故率,未来可以为实时监测车辆行驶状态,实现安全自动驾驶提供更好的处理方式。本文利用可装载在车辆上的MPU-6500传感器采集车辆加速度、角速度等姿态数据,利用机器学习算法对车辆行驶状态进行识别。本文主要研究内容如下:为了挖掘出传感器数据的更多特征,本文利用小波时频分析Mallat算法对原始传感器信号进行了多级分解。原始信号被分解为近似系数和多个细节系数。本文分析了信号的时频特征,进而提取了分解系数的细粒度特征,与原始数据信号的粗粒度的时域、频域特征融合作为机器学习算法输入的特征向量。最后,用集成学习算法进行了特征分析与选择,实验结果验证了细粒度特征的有效性。为了解决数据采集过程中,只能使用少量标签样本,而大量未标记样本需要人为标记耗时的问题,本文提出了基于半监督学习算法的扩充训练集策略,结合半监督学习Co-Forest算法和主动学习QBC（Query by committee）算法选择未标记样本。将未标记样本划分为白（可信度高）、灰、黑度（可信度低）三等级样本,在迭代过程中根据聚类假设执行黑度样本的标签选择。充分... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

实验车

??状态加速左转和加速右转。在图２－１?（ｂ）所示的安装方式下，对于三轴加速度Ａ?＝??和三轴角速度Ｇ?＝?［ｗｘ，ｗｙ，ｗｚ］，化的值可表征车辆的加速、减速、匀速／??静止等状态；４和％的值可表征车辆的左转、右转、直线行驶等状态；￡ｌｚ的值可??表征车辆的上坡、下坡、平地行驶等状态。??園％??（ａ）改装车辆?（ｂ）车辆轴向??图２－１实验车??Ｙ＊??ｖｃｃ?ＶＣＣ??ＲＸ?｜?ＳＣＬ??ＩＸ?ＳＤＡ??ＧＮＤ??图?２－２?ＭＰＵ６０５０?轴向??２．１．２数据解析??从表２－２中可以看出可知，ＭＰＵ－６０５０传感器的采样频率为１００Ｈｚ，即每轴??每秒采集１００个数据点；波特率为１１５２００，即每１０ｍｓ输出一帧数据，每帧数据??包括三轴加速度包，三轴角速度包，三轴角度包和温度。本文仅分析三轴加速度??包和三轴角速度包的数据。ＭＰＵ６０５０模块输出的原始数据为１６进制数据，加速??度和角速度输出格式如表２－２。??９??

与低通滤波器Ｈ?（尺度函数）卷积，再经过隔点采样得到；同理，如式（２－??２２），４可通过与高通滤波器Ｇ?（小波函数）卷积，再经过隔点采样得到。??以上分解算法可表示为图２－４：??＜８）??—？?Ｇ?—？?［２?—？?ｄ＼??传驟数据每?＾?ｒ?，?＿?；??轴时序信号－?ｐ?Ｇ?—?‘２?—為??￣￣？?Ｈ?—？?１２?－??？?Ｉ—？?Ｇ?——ｍ２?—？?ｄ，??“?Ｈ?—？?１２?－??￣？?Ｇ??？?｜２?—？?ｄＡ??—？?Ｈ?—Ｍ２?—??￣？?Ｈ??？?［２??？?ａＡ??图２－４?Ｍａｌｌａｔ分解算法??图２－４也可以从频率的角度来解释，设原始信号的采样频率为２／，则近似系??数和细节系数可看作信号／（〇由Ｍａｌｌａｔ算法分解到不同子频段的信号，如表２－３??所示。??表２－３?Ｍａｉ丨ａｔ算法分解系数与子频带的对应关系??小波分解系数｜?频域范围（Ｈｚ）?｜?信号时域长度??ｇ４?—?０?￣?ｆ／＼６?Ｍ／１６??ｄ４?／／１６?？?邱?Ｍ／１６??—）／％?￣?．／７４?Ｍ／８?￣??ｄ？?ｆ／Ａ?？／／２?Ｍ／４?—??ｄ１?．仉？／?Ｍ／２???ｒａｗ?０?？?／?Ｍ???２．２．３车辆状态时频分析??本文以常用的Ｄａｕｂｅｃｈｉｅｓ?（ＤｂＮ）小波基为母波

【参考文献】：
硕士论文
[1]基于时频分析的特征提取与模式分类方法研究[D]. 赵卫峰.重庆大学 2016



本文编号：3339017