[发明专利]一种基于MQ3传感器和UWB激光雷达的酒驾检测方法

权利要求书

1.一种基于MQ3传感器和UWB激光雷达的酒驾检测方法，其特征在于，利用基于MQ3传感器的酒精检测模块、基于UWB激光雷达的呼吸检测模块、信号匹配模块和酒驾报警模块，各模块协作运行完成检测；该方法具体包括以下步骤：

步骤一、进行酒精浓度值阈值判断和呼吸信号分离，具体包括以下步骤：

步骤1-1，利用酒精检测模块所包含的MQ3传感器实时读取驾驶室中因酒精浓度变化导致的中控台输出电压数值，根据MQ3传感器的灵敏度特性曲线和MQ3传感器电路输出电压，计算得到对应的酒精浓度值，表达式如下：

酒精浓度值=pow(11.5428 * 35.904 * V_RL/(25.5-5.1* V_RL),0.6549)

其中，V_RL表示MQ3传感器输出电压，pow为c标准库函数；

步骤1-2，通过窗口过滤步骤1-1获取的酒精浓度值序列，即去除离群点并对数据进行平滑处理，接着基于经验阈值初步判断是否需要进行呼吸检测，若超过阈值则进入步骤1-3，否则循环执行步骤1-2，以获取更精确的酒精浓度，方便后续的呼吸匹配；

步骤1-3，呼吸检测模块开启，利用UWB激光雷达实时采集机动车内所有乘客的呼吸信号，对采集到的I-Q信号进行重建，进一步得到振幅和相位信息，其中I、Q为数字调制过程中的相互垂直的分量；

步骤1-4，利用振幅和时间戳信息，绘制机动车内的距离-时间呼吸强度二维矩阵，利用矩阵上呈现出的不同呼吸数据并根据不同乘客与UWB激光雷达之间不同的距离信息区分不同座位的乘客；

步骤1-5，从上述的距离-时间呼吸强度二维矩阵中提取出各个用户的呼吸模式，并进行去离群值、基线偏移和离散小波变换降噪和巴特沃斯滤波预处理后，计算呼吸频率 ；

步骤1-6，利用上述各个用户的呼吸模式建立各个用户的呼吸曲线，将各个用户的呼吸曲线和MQ3传感器获得的实时酒精浓度值曲线进行匹配；

步骤1-7，在已知用户数量和身份的情况下，利用特征匹配算法获得的得分结果排序来确定饮酒者，进一步的，若饮酒者的得分最小，则系酒后驾驶，进入步骤1-8，否则进入步骤1-2；

步骤1-8，获得酒后驾驶机动车和驾驶员的信息后，车内报警器提示，接着通过网联汽车的物联网通信设备将车辆信息上传给交通管理部门，等待后续处理；

步骤二、执行异常移动检测算法，具体包括以下步骤：

步骤2-1，若步骤1-2处理后的酒精浓度值超过阈值，以步骤1-3捕获的呼吸信号作为训练数据，输入长短期记忆网络对呼吸信号的异常值进行预测，若相比实时数据差异超过指定阈值，则判断为异常移动，进入步骤2-2，否则循环执行本步骤；

步骤2-2，根据异常移动数据的时间信息，利用指数移动平均算法验证酒精浓度曲线中的对应时刻数据是否为异常点，若为异常点则进入步骤2-3，否则返回步骤2-1；

步骤2-3，上述异常点的呼吸曲线对应的乘客即为饮酒者，完成快速酒驾检测；

步骤三、进行呼吸曲线特征匹配，具体包括以下步骤：

步骤3-1，若步骤1-2处理后的酒精浓度值超过阈值，则基于步骤1-3捕获的呼吸信号，提取各组信号曲线的呼吸频率、振幅均方差、自相关系数和波形因子特征值；

步骤3-2，以上述特征值作为支持向量机分类模型的训练数据，建立呼吸者对应的检测模型；

步骤3-3，对于实时获取的酒精浓度值曲线计算呼吸频率、振幅均方差、自相关系数和波形因子特征值作为输入，输出该乘客是否饮酒，完成分类，即确定饮酒者身份。