| 中文摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文研究内容及结构安排 | 第14-16页 |
| 第二章 地磁车辆检测原理及系统平台构建 | 第16-23页 |
| 2.1 地磁车辆检测原理 | 第16-19页 |
| 2.1.1 地磁场概述 | 第16-17页 |
| 2.1.2 车辆的地磁扰动现象 | 第17页 |
| 2.1.3 磁阻效应 | 第17-19页 |
| 2.2 地磁车辆检测系统平台构建 | 第19-23页 |
| 2.2.1 地磁车辆检测系统平台设计 | 第19-21页 |
| 2.2.2 地磁车辆检测系统平台优化 | 第21-23页 |
| 第三章 单车道车辆检测算法 | 第23-33页 |
| 3.1 地磁信号预处理与特征提取 | 第23-26页 |
| 3.1.1 地磁信号预处理 | 第23-25页 |
| 3.1.2 地磁信号特征提取 | 第25-26页 |
| 3.2 自适应阈值车辆检测算法 | 第26-30页 |
| 3.2.1 基准值漂移现象及自适应阈值 | 第26-28页 |
| 3.2.2 自适应阈值状态机算法 | 第28-30页 |
| 3.3 实验结果及分析 | 第30-33页 |
| 第四章 相邻车道干扰排除算法 | 第33-45页 |
| 4.1 干扰来源分析及干扰排除预处理 | 第35-37页 |
| 4.1.1 干扰来源分析 | 第35-36页 |
| 4.1.2 干扰排除预处理 | 第36-37页 |
| 4.2 基于CART决策树的相邻车道干扰排除算法 | 第37-41页 |
| 4.2.1 CART决策树基本原理 | 第38-40页 |
| 4.2.2 特征提取与干扰排除的实现 | 第40-41页 |
| 4.3 实验结果及分析 | 第41-45页 |
| 第五章 车辆分类算法 | 第45-62页 |
| 5.1 车辆类型划分标准 | 第47-49页 |
| 5.2 车辆信号截取与特征提取 | 第49-53页 |
| 5.2.1 车辆信号截取 | 第49-50页 |
| 5.2.2 车辆信号特征提取 | 第50-53页 |
| 5.3 基于KNN的车辆分类算法 | 第53-54页 |
| 5.3.1 KNN基本原理 | 第53-54页 |
| 5.3.2 车辆分类的实现 | 第54页 |
| 5.4 基于BP神经网络的车辆分类算法 | 第54-57页 |
| 5.4.1 BP神经网络基本原理 | 第54-56页 |
| 5.4.2 车辆分类的实现 | 第56-57页 |
| 5.5 实验结果及分析 | 第57-62页 |
| 5.5.1 基于KNN的车辆分类算法实验结果与分析 | 第57-58页 |
| 5.5.2 基于BP神经网络的车辆分类算法实验结果及分析 | 第58-60页 |
| 5.5.3 两种算法实验结果对比及分析 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62页 |
| 6.2 论文展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 硕士期间研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |