[发明专利]一种基于振动传感器的车辆识别方法

权利要求书

1.一种基于振动传感器的车辆识别方法，其特征在于，包括以下步骤：

(1)利用振动传感器，采集车辆行驶引起的路面振动信号；

(2)对步骤(1)采集的振动信号进行经验模态分解EMD，得到一组固有模态函数IMF；

(3)对步骤(2)得到的固有模态函数分别乘以不同的权重，再求和得到新的信号，记为x_new(t)；

其中w_i为对应第i个IMF的权重，n为信号分解之后产生的IMF的个数；固有模态的权重由以下方式求取：以BP神经网络均方误差MSE作为适应度评估函数，应用粒子群算法进行求解，MSE表达式如下：

其中N为所有样本的个数，y_i为第i个样本的观察值，为第i个样本的估计值；

粒子群算法权重的更新采用如下公式：

分别代表经过k次迭代后第i个粒子在第D个维度上的速度、历史最佳位置、位置；代表第k次迭代后在第D个维度上的全局最优位置；r₁、r₂为[0,1]区间内的随机数；迭代求解的目的是获取一组使MSE最小的w值；

(4)根据步骤(3)得到的全局最优解w，与样本经EMD分解得到的IMF相乘求和得到新的信号x_new(t)，对其提取梅尔频率倒谱系数MFCC作为特征，训练3层BP神经网络，用训练好的神经网络判断车辆类型。

2.根据权利要求1所述的一种基于振动传感器的车辆识别方法，其特征在于，所述步骤(3)中，w求解过程如下：

对N个样本数据分别进行EMD分解得到每个样本对应的IMF，保留每个样本分解后得到的前n个IMF；

k＝1，随机初始化m个维度为n的粒子的速度与位置，m是可以任意选取的粒子个数，要求为整数；初始化之后，此时每个粒子的位置即为这个粒子的历史最佳位置，每个粒子的位置对应一个解w，共得到m个解，接下来验证每个解，将一个解与每个样本的IMF相乘求和最后可得到N个新信号，对新信号求梅尔频率倒谱系数MFCC特征，以MSE为适应度评估函数并用这些特征训练一个3层BP神经网络分类器，训练结束后根据网络输出样本估计值与样本观察值y求得这个解对应的MSE，对m个解均按照此方式处理最终得到m个MSE；记最小MSE对应的解为经过第1次迭代的全局最优位置

k＝2，按照上述粒子群算法更新公式进行第2次迭代计算，更新每个粒子的位置与速度，对于每个粒子新位置按照第1次迭代中的方法重新计算MSE并且比较它当前的MSE与历史最佳位置对应的MSE，如果当前MSE更小则更新历史最佳位置，否则维持不变，再根据所有粒子的MSE更新全局最优位置；最后重复上述迭代方式，直到MSE达到最小值，求得全局最优解w。