[发明专利]一种基于小波变换的车流密度分析方法、装置、电子设备和存储介质在审
申请号: | 201711420619.8 | 申请日: | 2017-12-25 |
公开(公告)号: | CN108304773A | 公开(公告)日: | 2018-07-20 |
发明(设计)人: | 梁凌宇;冯世文;林群彬;宋桐;龙健;文镇凰;陈彦文;徐勇 | 申请(专利权)人: | 广州市高科通信技术股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 广州市越秀区哲力专利商标事务所(普通合伙) 44288 | 代理人: | 邵穗娟 |
地址: | 510520 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 信号图 小波变换 车流 参数信号 存储介质 电子设备 密度分析 交通流理论 变化趋势 磁传感器 低频分量 高频分量 观察信号 密度信号 时间变换 小波分解 有效地 分辨率 平滑 降噪 滤除 分辨 噪声 直观 分解 修正 观察 预测 分析 研究 | ||
1.一种基于小波变换的车流密度分析方法,其特征在于,包括以下步骤:
原始信号采样步骤:采集车辆道路的车流密度随时间变换的信号并生成相应的信号波形图;
小波分解步骤:选取合适的小波函数并对所述原始信号进行N层的小波分解获得概貌信号图和细节参数信号图;
信号过滤步骤:对于所述概貌信号图和细节参数信号图从1到N的每一层选择阈值以对信号进行过滤。
2.如权利要求1所述的车流密度的分析方法,其特征在于:所述小波分解步骤包括以下函数:
gn=(-1)nh2N-n-1;
n=0,1,2,3,....,2N-1;
其中,ψ(t)为基本小波函数,φ(t)为尺度函数,hn是分解时低通滤波器系数,gn是分解时高通滤波器系数,N为小波的阶数。
3.如权利要求1所述的车流密度分析方法,其特征在于,所述信号过滤步骤还包括以下子步骤:
硬阈值降噪步骤:对细节参数信号选择阈值进行降噪,所用函数式为:
其中,t代表预先选定的阈值,Y代表与t比较前的小波系数,X代表与t 比较后的小波系数,t通过matlab自适应选取;
软阈值降噪步骤:对经过硬阈值降噪后的细节参数信号选择阈值进行软降噪以作平滑处理,所用函数式为:
其中,t代表预先选定的阈值,Y代表与t比较前的小波系数,X代表与t比较后的小波系数,t通过matlab自适应选取。
其中,X代表小波变换的系数,t代表预先选定的阈值。
4.一种基于小波变换的车流密度分析装置,其特征在于:所述装置包括车流密度地磁检测模块、信号成像模块、小波分解模块和信号过滤模块;
所述车流密度地磁检测模块通过磁传感器检测道路内的车流密度;
所述信号成像模块用于把所述车流密度地磁检测模块所测得的车流密度随时间变换产生的信号转换为车流密度信号图;
所述小波分解模块用于把所述车流密度信号图分解为概貌信号图和细节参数信号图;
所述信号过滤模块用于对所述概貌信号图和所述细节参数信号图进行降噪。
5.一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
原始信号采样步骤:采集车辆道路的车流密度随时间变换的信号并生成相应的信号波形图;
小波分解步骤:选取合适的小波函数并对所述原始信号进行N层的小波分解获得概貌信号图和细节参数信号图;
信号过滤步骤:对于所述概貌信号图和细节参数信号图从1到N的每一层选择阈值以对信号进行过滤。
6.如权利要求5所述的电子设备,其特征在于,所述小波分解步骤包括以下函数:
gn=(-1)nh2N-n-1;
n=0,1,2,3,....,2N-1;
其中,ψ(t)为基本小波函数,φ(t)为尺度函数,hn是分解时低通滤波器系数,gn是分解时高通滤波器系数,N为小波的阶数。
7.如权利要求5所述的电子设备,其特征在于,所述信号过滤步骤还包括以下子步骤:
硬阈值降噪步骤:对细节参数信号选择阈值进行降噪,所用函数式为:
其中,t代表预先选定的阈值,Y代表与t比较前的小波系数,X代表与t比较后的小波系数,t通过matlab自适应选取;
软阈值降噪步骤:对经过硬阈值降噪后的细节参数信号选择阈值进行软降噪以作平滑处理,所用函数式为:
其中,t代表预先选定的阈值,Y代表与t比较前的小波系数,X代表与t比较后的小波系数,t通过matlab自适应选取。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-3任意一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州市高科通信技术股份有限公司,未经广州市高科通信技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711420619.8/1.html,转载请声明来源钻瓜专利网。