基于TMR传感器的车辆检测识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 研究现状 | 第9-13页 |
| 1.2.1 磁传感器发展及应用现状 | 第9-10页 |
| 1.2.2 基于磁传感器的车辆检测算法研究现状 | 第10-11页 |
| 1.2.3 无线通讯技术 | 第11-13页 |
| 1.3 本课题研究内容 | 第13-14页 |
| 第2章 车辆检测系统硬件设计 | 第14-24页 |
| 2.1 磁场车辆检测原理 | 第14-15页 |
| 2.2 车辆检测系统设计 | 第15-16页 |
| 2.2.1 无线通讯技术选择 | 第15-16页 |
| 2.2.2 系统框架 | 第16页 |
| 2.3 路由节点设计 | 第16-22页 |
| 2.3.1 TMR传感器及调零电路 | 第17-18页 |
| 2.3.2 采集放大电路设计 | 第18-22页 |
| 2.4 汇聚节点设计 | 第22页 |
| 2.5 采集系统上位机监控界面 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 车辆检测算法研究 | 第24-33页 |
| 3.1 平均滑动滤波 | 第24-25页 |
| 3.2 车辆通过检测算法 | 第25-28页 |
| 3.2.1 ADTA原理简介 | 第25-26页 |
| 3.2.2 基于基准线跟踪的状态机检测算法 | 第26-28页 |
| 3.3 特征值提取 | 第28-31页 |
| 3.3.1 分类标准 | 第28-30页 |
| 3.3.2 信号特征值选择 | 第30-31页 |
| 3.4 特征值提取结果 | 第31页 |
| 3.5 本章小结 | 第31-33页 |
| 第4章 车辆识别算法研究 | 第33-46页 |
| 4.1 基于BP神经网络的车辆识别算法 | 第33-38页 |
| 4.1.1 基本原理 | 第33-36页 |
| 4.1.2 模型构建 | 第36-38页 |
| 4.2 基于DAG-SVM的车辆识别算法 | 第38-45页 |
| 4.2.1 SVM基本原理 | 第38-41页 |
| 4.2.2 多分类SVM基本原理 | 第41-43页 |
| 4.2.3 DAG-SVM模型构建 | 第43-44页 |
| 4.2.4 核函数选择 | 第44-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第5章 算法测试结果及分析 | 第46-52页 |
| 5.1 测试平台搭建 | 第46页 |
| 5.2 基于基线跟踪的状态机检测算法测试 | 第46-48页 |
| 5.2.1 测试内容 | 第46-47页 |
| 5.2.2 测试结果及分析 | 第47-48页 |
| 5.3 车辆识别算法测试 | 第48-51页 |
| 5.3.1 测试内容 | 第48-49页 |
| 5.3.2 测试结果及分析 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59页 |
