题名 | 基于神经网络和小波变换的车型识别方法研究 |
作者 | 吴立国1,2 |
答辩日期 | 2007-06-01 |
文献子类 | 硕士 |
授予单位 | 中国科学院沈阳自动化研究所 |
授予地点 | 沈阳 |
导师 | 马钺 |
关键词 | 车型识别 模糊c均值 Bp神经网络 雷达目标识别 |
学位名称 | 硕士 |
其他题名 | Research on the automatic vehicle recognition based on neural networks and wavelet transform |
学位专业 | 计算机应用技术 |
英文摘要 | 车型自动识别分类在不停车收费系统中起着关键的作用,决定了不停车收费系统的可靠性和智能化程度,对提高公路交通系统的管理水平和车辆通行速度具有重要的意义。 本文对现有车型自动识别分类方法进行了分析比较,在此基础上,对采用雷达微波进行车型识别进行了探索和研究,雷达微波车型识别技术与车载电子标签有机结合起来,起到车型二次识别的作用,有效防止各种舞弊行为,控制收费损失。 本文通过MATLAB产生仿真的雷达微波信号,信号中包含了车型的特征信息。再采用小波变换的方法消除噪声,由于车型大小与信号经过小波变换后得到的各层能量分布有关,所以提取其能量分布作为分类识别的特征矢量。设计了BP神经网络的分类器,车型的能量分布特征由车型分类器进行分类,最终得到车辆的类型。 本文在对所设计的神经网络分类器进行训练的时候,对样本采用了改进的模糊C均值算法进行聚类分析,有效地避免了样本集不理想情况下对各类中心隶属度过小的情况,用隶属度作为网络输出训练,使网络容错性更强,更加符合实际分类情况,三个网络分别训练,最后综合判断,提高了分类质量。 本文首先介绍了已有车型自动识别的方法,分析讨论了存在的弊端,然后提出采用雷达微波进行识别的方法,详细介绍了对回波信号进行处理所用到的算法,分析比较各种算法,选择合适的算法用于信号的处理,最后介绍了车型识别硬件仿真平台及软件实现。 |
语种 | 中文 |
产权排序 | 1 |
公开日期 | 2010-11-29 |
页码 | 61页 |
分类号 | TP391.4 |
内容类型 | 学位论文 |
源URL | [http://210.72.131.170//handle/173321/355] |
专题 | 沈阳自动化研究所_自动化系统研究室 |
作者单位 | 1.中国科学院研究生院 2.中国科学院沈阳自动化研究所 |
推荐引用方式 GB/T 7714 | 吴立国. 基于神经网络和小波变换的车型识别方法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2007. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论