[发明专利]一种基于线性声音、震动传感器阵列的车辆探测方法

说明书

技术领域

本发明涉及一种车辆检测方法，特别是基于车辆声音或者震动信号的车辆检测方法。该方法可用于无人值守传感器网络的路面运动车辆检测，能快速检测出沿道路运动的车辆，并给出速度和方向。

背景技术

声音和震动信号是现代战场上情报获取的一种总要手段，具有被动式探测，隐蔽性好，安全系数高，可以长时间连续工作，不受地形和光照条件限制等特点，具有全方位、全天候探测能力。基于声音和震动信号的车辆目标探测是掌握战场态势，了解敌我兵力分布的一种重要手段，该方法在反恐、安防等领域也有广泛的应用需求。

基于声音和震动信号的车辆探测方法通常采用的方法是：首先提取信号的特征，然后再将信号特征与环境噪声比较或者将信号特征与已知样本库进行比较，进而检测出车辆信号。常用的声音和震动信号特征有幅值、能量、包络、功率谱、过零率、熵值、小波特征、美尔（Mel）倒谱等。如Huadong Wu，Mel Siegel和Pradeep Khosla在1999年10月的《TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》上发表的《Vehicle Sound Signature Recognition by Frequency Vector Principal Component Analysis》中提出利用信号的功率谱主成分分析法提取特征，然后采用人像识别中的特征脸方法（eigenfaces method方法），对其进行适当的修改，然后对车辆声信号进行模式识别；伍宗富,杨如曙,李晓峰等在2010年第3期第18卷的《计算机测量与控制》上发表的《基于知识的声目标探测识别系统》中提出采用取Mel倒谱系数(MFCC)参数特征构建声目标信息的知识库,将声目标MFCC特征参数映射为二值图像进行模板匹配识别的方法；段汉卿，周思玥2012年在《无线电工程》上发表的《强噪声背景下车辆震动信号检测算法研究》中提出基于功率谱分布和负熵的车辆震动信号检测算法。利用信号与噪声特征差异比对的检测方法相对简单，但是容易受噪声干扰，误检率很高；而基于模式识别的检测方法，如统计识别法、函数识别法、逻辑识别法、模糊识别法、灰色识别法、神经网络识别法等，不仅能对车辆目标进行检测，还能识别车辆类型，但是模式识别需要有大量的样本事件库才能达到理想的检测效果。无论是基于特征差异还是基于模式识别的运动车辆检测都只能进行车辆检测而不能给出目标车辆的运动速度。

发明内容

本发明目的是提供一种简单可靠的基于线性声音、震动传感器阵列的车辆探测方法，该方法利用车辆目标在传感器阵列上包络线的相似性和速度、方向的关联性，既可单独采用声音或者震动信号来进行车辆检测，也可以联合采用声音和震动信号来检测，不仅可以通过声音震动信号检测是否有运动车辆，还可以检测出运动车辆的速度和方向。

本发明的技术解决方案是：

一种基于线性声音、震动传感器阵列的车辆探测方法，其特殊之处在于：包括以下步骤：

1】传感器阵列布设：

沿拟检测的道路布置N个传感器，N≥3，组成一个与道路延伸方向平行的N元线性传感器阵列，传感器的间距取5～20米，获取传感器阵列的相对坐标或者绝对坐标（x₀，x₁，……，x_n）；

2】计算阵列信号的短时能量包络线：

对于信号x(t)，定义其短时能量包络线的计算公式如下：

e(t)=11Στ=tt+1x(τ)2---(1)]]>