论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　摘要：随着汽车流动量的增大，运用汽车管理系统来进行车型识别、自动收费以及交通事故认定工作愈来愈重要。单纯的视频识别受环境因素影响较大，雨雾等天气状况都会严重影响识别结果。采用针对发动机声音的识别方法，可以有效降低环境因素的影响，完成汽车类型的识别。采用MP稀疏分解方法，用Gabor原子进行信号的分解及重构，重构后的信号能较好反映原信号的特征。发动机声音信号相对平稳，信号分解后频域相对稳定，教育论文采用单帧进行识别，可满足实时性要求。识别采用BP神经网络作为识别机，效果较好，对于交通系统中的车辆类型识别具有较高的参考价值。

　　关键词：MP稀疏分解；发动机声音识别； BP神经网络；Gabor原子 

　　中图分类号：TP319 

　　文献标识码：A 文章编号：1672-7800（2015）003-0064-02 

　　0 引言 

　　随着汽车数量的增大，高速公路收费站及停车场增多，迫切需要智能收费系统来代替人工收费，减少人力开支。视频识别受环境因素影响较大，并且对摄像头位置有一定要求。 

　　针对此问题，本文提出了采用基于发动机声音进行汽车识别的方法，从特征选取及识别机方面进行分析。针对识别实时性要求较高的特点，通过实验，采用多帧进行训练，采用单帧进行识别的方法可以减少运算量，提高运算速度并较好地保证识别准确率。 

　　1 发动机声音信号的MP稀疏分解 

　　1.1 MP算法原理及分解方法 

　　首先将原子参数离散化构成完备的原子库，然后通过信号与原子做内积迭代运算以寻找最优原子，通过反复迭代，达到设定阈值后退出循环，原始信号能量被一系列原子所取代。 

　　3 识别结果分析 

　　本实验采用汽车收费站附近受环境干扰较少的机车发动机声音作为训练和识别样本。由于发动机声音信号在频域内相对平稳，本实验采用1024点为一帧进行实验。信号MP稀疏分解时采用Gabor原子形成原子库进行分解[7]，分解为20原子，采用时频参数γ作为发动机声音信号特征进行识别[6]。 

　　进行BP训练时采用matlab进行模拟仿真，将车型分为轿车、面包车、客车、重型汽车4类，分别采用100辆作为训练集，100辆作为识别集，共800辆车作为样本[8]。采用期望最小均方误差为0.001，以时频参数γ=（s，u，v，w）作为特征参数，输入采用4节点， 4维时频参数s、u、v、w作为特征参数进行输入，输出为4个节点，分别设定（0、0、0、1）作为轿车输出，（0、0、1、0）作为面包车输出，（0、1、0、0）作为客车输出，（1、0、0、0）作为重型汽车输出[6]，隐层为50个，动量因子为0.85，学习速率为0.1。 

　　由于发动机声音识别实时性要求较高，因此多帧进行识别与采用单帧识别在时间上有一定影响。表1为单帧识别和3帧识别对比，可以看出，单帧识别在时间上有较大优势，识别效果相差不大，因此实际应用中选择单帧识别。 

　　4 结语 

　　本文针对发动机声音相对平稳的特点，采用MP稀疏分解方法，用Gabor原子作为完备原子库分解发动机声音信号9，通过分解重构，反映原始信号特征[9]。 用原子时频特征参数作为特征，采用BP神经网络完成识别，对单帧识别和3帧识别进行比对，发现单帧识别在时间上有较大优势，识别效果较好，说明MP稀疏分解在发动机识别方面有很好的效果和应用空间。 

　　参考文献： 

　　[1] XIE HONGDO，CHEN WEITING，HE WEITING，et al.Complexity analysis of the biomedical signal using fuzzy entropy measurement [J].Applied Soft Computing，2011，11（2）：2871-2879. 

　　[2] SAEEDI NE，ALMASGANJ F，TORABINEJAD F.Support vector wavelet adaptation for pathological voice assessment [J]. Comput BiolMed，2011，41（9）：822-828. 

　　[3] 武明勤，于凤芹.基于Chirp原子分解的语音信号时频结构分析[J].江南大学学报：自然科学版，2006（6）：685-687. 

　　[4] 李越雷，张天骐，代少升，等.基于稀疏分解的微弱多分量LFM信号参数估计[J].信号采集与处理，2009（10）：161-166. 

　　[5] 王武，汤三，张元敏.基于神经网络的高速铣削表面粗糙度预报[J].机械设计与制造，2010（3）：216-217. 

　　[6] 姜愉.基于BP和ARM的发动机声音识别系统[J].黑龙江科技学院学报，2012（9）：533-536. 

　　[7] 李雨昕，尹忠科，王建英.MP稀疏分解快速算法及其在语音识别中的应用[J].计算机工程与应用，2010，46（1）：122-124. 

　　[8] 唐承志，张葛祥，荣海娜.基于级联原子库的时频原子分解[J].重庆邮电大学学报：自然科学版，2011（5）：530-535. 

　　[9] 高显忠，候中喜.基于改进MP稀疏分解的语音识别方法[J].计算机应用，2009（6）：1572-1574.