【技术实现步骤摘要】
本专利技术涉及车辆状态监测，具体涉及一种基于分布式超弱光纤光栅声波传感技术的车辆状态监测方法。
技术介绍
1、分布式声波传感(distributed acoustic sensing,das)技术作为一种新型振动检测方法，因其无需外部电源、高灵敏度、强抗电磁干扰、宽传输频带和低维护成本等优势，能实现实时、全覆盖检测，已经成为目前热门的道路交通监测方案。超弱光纤光栅分布式声波传感技术(ultra-weak fiber bragg grating distributed acoustic sensing,uwdas)在具有das技术优点的同时，利用反射率低于0.1％的光栅对反射信号进行增强，使相干光具有更好的强度及方向性，从而获得更高的灵敏度和信噪比。因此，利用uwdas技术可以实现更高效更精确的道路交通监测。
2、由于道路环境的影响，设备采集的车辆信号通常含有大量噪声，因此需要先去噪以提高信号质量。目前，小波变换方法被广泛应用于信号去噪领域，其中小波阈值去噪方法因具有易于实现、原始信号特征保存完整的优点，已成为实际工程应用中最常见的信号去噪方法。阈值函数是小波阈值去噪的重要部分，选择合适的阈值函数是去噪结果优劣的关键。但传统的软、硬阈值函数各有其缺点。软阈值函数存在恒定误差的问题，硬阈值函数在阈值点处不连续。
3、在目前利用das技术进行车辆检测的研究中，主要使用的是以短时能量和短时过零率为信号特征的双阈值算法。虽然该算法能够基本完成车辆检测的任务，但其检测精度不高，容易造成车辆误检，同时对车流量和车辆速度
4、现有技术的缺陷与不足：
5、(1)传统的das系统在实际应用中面临的主要问题是灵敏度和信噪比较低，这主要是由于标准单模光纤中的瑞利散射强度较弱，导致解调的声波信号信噪比低，这限制了系统对微小外界扰动的检测能力，从而影响了监测的准确性和可靠性。因此，需要采用更具优势的uwdas系统。
6、(2)das系统的性能受到路面状况以及周围环境的噪声等环境因素的影响，这些因素可能会干扰声波信号，降低监测的准确性。通过应用合适的噪声处理算法，可以在不使用昂贵设备的情况下显著提高信噪比，并增强系统在复杂环境下的监测能力。然而传统的小波阈值去噪算法在实际场景中的处理效果不佳，因此需要根据现实情况对该算法进行改进。
7、(3)虽然das技术能够提供大量的交通数据，但将das记录的数据转换为实时的交通流量和车辆速度估计还需要复杂的算法和车辆检测技术。目前传统双阈值算法检测车辆的精度不高，对交通参数的估算也不够准确，因此需要改进双阈值算法以提高das系统在道路交通监测中的识别准确性。
技术实现思路
1、针对传统小波阈值函数的缺陷，以及现有das技术检测车辆的灵敏度和准确率不足的现实问题。本专利技术将uwdas技术引入到道路交通监测中并改进小波阈值函数，提出一种基于分布式超弱光纤光栅声波传感技术的车辆状态监测方法，能够更精确地计算车流量和车辆速度，且易于实现、处理速度快；可用于实时自动化车辆状态监测。
2、本专利技术采取的技术方案为：
3、基于分布式超弱光纤光栅声波传感技术的车辆状态监测方法，包括以下步骤：
4、步骤1：使用uwdas系统采集道路上的车辆振动信号s(i)；
5、步骤2：采用改进小波阈值算法对车辆振动信号s(i)进行去噪处理，得到去噪信号s′(i)；
6、步骤3：将去噪信号s′(i)输入改进双阈值算法检测车辆，标记出车辆信号的起止点；
7、步骤4：基于车辆信号的检测数据进行车流量和车辆速度的计算。
8、所述步骤2中，对车辆振动信号s(i)进行去噪处理，包括以下步骤：
9、s2.1：对车辆振动信号s(i)进行小波变换，计算高频小波分解系数wj，k；
10、s2.2：采用小波阈值函数对高频小波分解系数wj，k进行量化处理，利用其去相关性去除噪声，得到去噪后的小波系数wj，k；
11、
12、上式中，wj，k为去噪后的小波系数；wj，k为小波分解系数；wj，k为阈值处理后的小波系数；λ是给定的阈值；sign为符号函数；a和b是两个可调节的经验参数，能够根据实际情况调节两个参数使函数在大于阈值后渐近线迅速靠近硬阈值函数。sign为符号函数，sign(wj，k)表示计算小波分解系数wj，k的符号。
13、进行阈值处理的高频小波分解系数就是wj，k，因为在第一部的小波变换中，在小波分解之前，就会采用小波滤波器提取高频和低频分量。
14、s2.3：进行小波逆变换，得到去噪信号s′(i)。
15、小波逆变换的公式为：其中，c是小波函数的常数，a和b是尺度和平移参数，wj，k是小波变换后的系数，ψ(x)是小波函数。
16、所述步骤3中，首先计算去噪信号s′(i)的短时能量e(n)、梅尔频率倒谱系数mfcc(n，i)以及梅能比mer(n)；然后，采用去噪信号s′(i)的短时能量和梅能比作为信号特征，并使用模糊c均值聚类算法自适应选择高低阈值以完成双阈值算法，从而准确检测车辆信号。
17、所述步骤3包括以下步骤：
18、步骤3.1：将去噪信号s′(i)经过加窗函数分帧处理后得到sn(i)：
19、sn(i)＝ω(i)·x((n-1)·inc+i)，1≤i≤l，1≤n≤fn；
20、上式中，n表示分帧后的第n帧，ω(i)为窗函数，l为帧长，inc为帧移长度，fn为分帧后的总帧数；sn(i)是加窗分帧后得到的结果，表示处理后的第n帧信号。分帧是利用信号的短时平稳性，将很长的信号分成很多的小段以方便处理，加窗是为了使分帧后的信号更加平稳。i是时域信号s′(i)的时间参数；x((n-1)·inc+i)为分帧步骤的公式，这表示第n帧中第i个样本的位置，通过改变n的值，可以依次处理每一帧。这个表达式把原始信号中相应的采样点映射到当前处理的帧中。
21、步骤3.2：计算短时能量e(n)：
22、
23、步骤3.3：对sn(i)进行fft变换，并根据fft后的数据，计算谱线的能量：
24、e(n，k)＝[fft[sn(i)]]2
25、上式中，k表示频域中的第k条谱线；e(n，k)表示第k条谱线的能量，fft[sn(i)]表示对3.1得到的结果进行离散傅里叶变换；在得到傅里叶变换结果fft[sn(i)]后，通过计算每个频点的幅度的平方来计算谱线能量e(n，k)。
26、步骤3.4：将第n帧的信号能量谱通过梅尔滤波器并求和，得到能量sum(n，m)：
27、
28、上式中，hm(k)为梅尔滤波器的频域响应，m表示第m个梅尔滤波器，m是指滤波器总数；fn表示总帧数。
29、步骤3.5：计算梅尔频率倒谱系数mfcc(n，i)：
30、...
【技术保护点】
1.基于分布式超弱光纤光栅声波传感技术的车辆状态监测方法，其特征在于包括以下步骤：
2.根据权利要求1所述基于分布式超弱光纤光栅声波传感技术的车辆状态监测方法，其特征在于：所述步骤2中，对车辆振动信号S(i)进行去噪处理，包括以下步骤：
3.根据权利要求1所述基于分布式超弱光纤光栅声波传感技术的车辆状态监测方法，其特征在于：所述步骤3中，首先计算去噪信号S'(i)的短时能量E(n)、梅尔频率倒谱系数MFCC(n,i)以及梅能比MER(n)；然后，采用去噪信号S'(i)的短时能量和梅能比作为信号特征，并使用模糊C均值聚类算法自适应选择高低阈值以完成双阈值算法，从而准确检测车辆信号。
4.根据权利要求3所述基于分布式超弱光纤光栅声波传感技术的车辆状态监测方法，其特征在于：所述步骤3包括以下步骤：
5.根据权利要求1所述基于分布式超弱光纤光栅声波传感技术的车辆状态监测方法，其特征在于：所述步骤4中，根据步骤3得到的车辆信号起止点信息，即能够对车辆进行计数，同时计算车辆信号空间跨度与时间跨度的比值，得到该车辆的速度和方向；计算车辆速度的公式
...【技术特征摘要】
1.基于分布式超弱光纤光栅声波传感技术的车辆状态监测方法，其特征在于包括以下步骤：
2.根据权利要求1所述基于分布式超弱光纤光栅声波传感技术的车辆状态监测方法，其特征在于：所述步骤2中，对车辆振动信号s(i)进行去噪处理，包括以下步骤：
3.根据权利要求1所述基于分布式超弱光纤光栅声波传感技术的车辆状态监测方法，其特征在于：所述步骤3中，首先计算去噪信号s'(i)的短时能量e(n)、梅尔频率倒谱系数mfcc(n,i)以及梅能比mer(n)；然后，采用去噪信号s'(i)的短...
【专利技术属性】
技术研发人员：罗志会，文舒豪，冉昌艳，黄江楼，何慧灵，
申请(专利权)人：三峡大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。