代写计算机论文案例:基于脉冲相干雷达的交通检测算法探讨

发布时间:2023-05-13 22:35:12 论文编辑:vicky

本文是一篇计算机论文,笔者认为目前主流的交通检测算法大多受限于不同的干扰因素导致检测精度不高。新型的脉冲相干雷达具有不受磁场和光照干扰、面积小(<29mm2)、功耗和成本低的优点,适合用于交通检测。

第一章  绪论

1.1  研究背景及意义

近年来,人民对交通的需求日益增长,据公安部交通管理局发布的消息,截至2020年6月,全国机动车保有量达3.6亿辆,其中汽车2.7亿辆,同比增长6.3%;69个城市汽车保有量超过100万辆,12个城市汽车保有量超过300万辆。汽车保有量的急剧增长引发了停车难、交通拥堵等一系列问题。

智能交通系统(Intelligent Traffic System,ITS)可以缓解停车难、交通拥堵等问题。该系统的基础是实时交通信息检测技术,在准确得到城市静态交通信息(停车位等)和动态交通信息(车流量,车速,车型等)的基础上,ITS可以为交通管理部门和居民提供多种服务。比如在准确获得每个停车位的状态信息基础上,ITS可实现车位预约、停车诱导、停车计费等功能[1,2]。

目前的实时交通检测算法主要基于磁阻传感器、视频等。磁阻传感器成本和功耗低、生命周期长,但容易受到相邻车位、城市轨道交通等磁场干扰[3]。相比之下,新型的脉冲相干雷达具有不受磁场干扰的优点,在磁干扰场景下依然可以很好地工作。视频易受到天气和光照干扰,并且室外视频检测技术需要布电源线和通信线,安装和维护成本高。而新型的脉冲相干雷达不受光照干扰,在夜晚等光照不明显的场景下依然可以正常工作。此外雷达传感器在智能交通领域中的研究,大多是使用激光雷达和毫米波雷达[4-6]。激光雷达和毫米波雷达探测距离远,精度高,但是在功耗,成本和面积方面皆大大高于新型脉冲相干雷达。

1.2  研究现状

本节首先介绍了传统的交通检测算法研究,包括主流的基于磁阻和视频的交通检测算法研究,以及基于激光雷达和毫米波雷达的交通检测算法研究,分析指出相比传统的交通检测算法,基于新型脉冲相干雷达的交通检测算法在抗干扰,功耗和成本等方面具有独特优势。然后介绍了使用新型脉冲相干雷达进行交通检测的部分已有研究(当前基于脉冲相干雷达的交通检测算法研究还比较少)以及存在的问题。

1.2.1  基于磁阻传感器的交通检测算法

磁阻传感器[7,8]是目前应用广泛的交通检测传感器。将磁阻传感器部署在路面上,当道路上有车辆经过时,地球磁场会发生畸变,磁阻传感器测量车辆经过时的地球磁场扰动,根据地球磁场的大小和变化趋势,识别车辆信息。

国内外已经有许多使用磁阻传感器进行交通检测的研究。文献[9]首先根据磁阻传感器输出曲线的上升和下降特点将传感器输出分为两种状态,根据这两种状态的持续时间判断是否有车经过,实验表明车辆检测准确率高于99%,车长估计和车速估计的准确率为90%。将输出曲线转换为“峰谷图”进行车辆分类,将车辆分为6类,不使用车长特征时,准确率为60%,使用车长特征时为80%。该方法实现了车长车速估计以及车辆分类,但精度欠佳。文献[10,11]根据采集的地磁扰动波形,提取了相对车长、波形总能量、波形平均能量、“峰谷图”等特征向量,使用分层决策树算法进行车型分类,该算法计算量较小,适用于微控制器系统。

文献[12]针对现有车辆检测中阈值选择困难的问题,使用基于K-Means分类的状态机车辆检测算法,对慢速车和长型车进行车辆检测,相比自适应阈值算法,该算法准确度高于95%,明显提高了车辆检测的准确度。文献[13]研究车型分类算法,首先使用动态基准值算法从原始信号提取车辆信号,然后选择28个原始特征点,Filter和Wrapper特征选择算法被用来优化这些原始特征,最后改进的“DAG-SVM (Directed Acyclic Graph SVM)”车型分类算法用来区分这些优化后的特征。

第二章  相关技术分析

2.1  脉冲相干雷达技术

雷达是一项成熟的技术,已被应用于许多需要精确和稳健距离测量的产品中,比如汽车、工业自动化设备,飞机等。然而,大多数情况下,这些雷达系统很大、耗电且价格昂贵。构建雷达系统有不同的方法,每种方法都有自己的优缺点,通常会在精度和功耗之间权衡。而脉冲相干雷达具有两个特点[46]。第一个特点是脉冲性,这意味着无线电部分在信号传输之间被关闭。事实上,脉冲相干雷达的脉冲如此之快,以至于即使以最大速率发射,无线电也只有不到1%的时间处于活动状态。这就是脉冲相干雷达低功耗的原因。第二个特点是相干性,这意味着每个传输的信号在皮秒尺度上都有一个稳定的时间和相位参考,从而可以进行高精度测量。这两个特点使得脉冲相干雷达兼具低功耗和高精度的优点。

2.1.1  工作原理

脉冲相干雷达基于信号传播时间来测量物体的距离,即无线电波由第一根天线发射,经物体反射后再由第二根天线接收,通过测量发射和接收信号之间的传播时间来判断物体的距离。在一次测量期间,雷达顺序地发射上千个脉冲,如下图所示。

由图2.1可知,雷达发射脉冲的频率为PRF=13MHz,所以发射两个脉冲的时间间隔为1/PRF=76900ps;无线电的频率为60GHz,所以脉冲的波长为1/60GHz=16.7ps;脉冲分为长脉冲和短脉冲,短脉冲信噪比低但距离分辨率更高,长脉冲距离分辨率低且能耗更高,但是信噪比更高,使用长脉冲或短脉冲需要根据具体应用设置。雷达发送和接收脉冲的时间间隔𝑡𝑑𝑒𝑙𝑎𝑦被用来计算物体与雷达的距离。

计算机论文怎么写

2.2  粒子群优化算法

粒子群优化算法(PSO)是Eberhart和Kennedy所提出的一种群体智能优化算法[49,50],通过模拟鱼群和鸟群觅食的方式来求解最优化问题

PSO的优点之一是可以解决拥有复杂目标函数的最优化问题。 PSO求解优化问题时,将问题的一个解看作一个粒子,每一个粒子都有自己的位置和速度,以及由该粒子位置所计算出的目标函数值(位置代表解的值,速度代表梯度)。在不断的搜索过程中,各个粒子记忆自己的最优位置和所有粒子的最优位置,根据这两个最优位置调整自己的位置,如果找到较好解, 将会以此为依据来寻找下一个解。

基本的PSO算法的流程可以描述如下:

第一步:初始化。在一定区间内随机产生初始搜索点𝑋𝑖0和𝑉𝑖0, 将当前粒子设置为个体极值点𝑝𝑏𝑒𝑠𝑡𝑖0,并计算目标函数值,将所有个体极值点中最好的设置为全局极值点𝑔𝑏𝑒𝑠𝑡0。

第二步:更新个体极值点和全局极值点。计算每个粒子的目标函数值,如果好于该粒子的个体极值点则将该粒子设置为新的个体极值点。如果所有粒子的个体极值点中最好的优于全局极值点,则将其设置为新的全局极值点。

第三步:更新粒子。使用式(2-3)更新每一个粒子的位置和速度。

第四步:检查迭代是否结束。如果全局极值点的目标函数值达到预先设置的最小误差要求,或者迭代次数到达预先设置的最大迭代次数,则结束迭代,将全局极值点作为最优解输出,反之则进入第二步。

第三章  基于脉冲相干雷达的静态交通检测算法研究 ................... 21

3.1  问题描述 ........................................ 21

3.2  静态交通检测算法(MTV) ........................... 22

第四章  基于脉冲相干雷达的动态交通检测算法研究 ............................. 37

4.1  问题描述 ............................................ 37

4.2  动态交通检测算法(VCRF) .............................. 38

第五章  结论及展望 .................................. 56

第四章  基于脉冲相干雷达的动态交通检测算法研究

4.1   动态交通检测算法(VCRF)

本文提出的动态交通检测算法的框架如图4.2所示,称为VCRF (Vehicle Classification based on PCR and Random Forest) 算法。Envelope数据首先从部署在车道中央的雷达传感器节点收集。然后“车辆检测”模块从原始信号缓冲区中提取第i辆车的车辆签名𝑉(𝑖)。由于车辆签名可能具有较大且不同的尺寸,“车辆特征提取”模块将签名𝑉(𝑖)转换为固定大小的特征向量𝑓𝑣(𝑖)。最后,利用训练过的随机森林模型计算车型。

计算机论文参考

第五章  结论及展望

交通检测算法是智能交通系统的基础。目前主流的交通检测算法大多受限于不同的干扰因素导致检测精度不高。新型的脉冲相干雷达具有不受磁场和光照干扰、面积小(<29mm2)、功耗和成本低的优点,适合用于交通检测。相比传统的交通检测算法,基于脉冲相干雷达的交通检测算法在抗干扰,功耗和成本等方面具有独特优势,但是目前利用该雷达进行交通检测的研究比较少,并且还存在以下问题:1)传统的静态交通算法对干扰因素考虑不足,当脉冲相干雷达被雨水、湿树叶等覆盖干扰时,已有算法检测精度低;2)基于脉冲相干雷达的车辆分类问题还鲜有研究,不同车型的雷达原始信号数据量大且特点不够显著,如何压缩数据并提取有效的特征,实现较高精度的车辆分类是一个难点问题。针对这两个问题,本文研究并提出了基于脉冲相干雷达的静态交通检测算法和动态交通检测算法。本文的研究内容和贡献总结如下。

1)研究了脉冲相干雷达的工作模式和适用场景,分析使用脉冲相干雷达进行交通检测的优势,不足和难点。着重介绍了脉冲相干雷达所发射的无线电在不同材料上的反射率,指出脉冲相干雷达容易受水等物质干扰。

2)提出一种基于脉冲相干雷达的抗干扰停车检测算法。使用脉冲相干雷达进行静态交通检测(停车检测)时,如果节点顶盖被雨水,湿树叶等物体覆盖,雷达接收回来的信号失真严重,使用这种干扰场景下的信号进行高精度静态交通检测是一个难题。我们将干扰场景下停车检测问题建模为四分类问题,设计了一个简单新颖的分类模型实现干扰场景下的停车检测。此外针对停车场景中脉冲相干雷达的信号特点,设计了四个扩展特征,实验证明了这些特征可以有效提高检测精度。在上述基础上提出一种基于脉冲相干雷达的抗干扰停车检测算法MTV,将雷达传感器部署在停车位中央,根据传感器采集回来的数据计算扩展特征,然后将雷达原始特征和扩展特征送入本文所设计的分类模型中,计算得到停车位状态。本文所设计的分类模型使用粒子群优化算法进行训练。实验结果表明在无干扰情况下,MTV算法准确率为99.9%;在水和湿树叶等干扰情况下,准确率为91%。相比已有算法,该算法不仅提高了干扰场景下停车检测的精度,而且还可以检测出雷达是否受到水或湿树叶的干扰。

参考文献(略)