基于无线传感器网络的车辆检测识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-13页 |
| ·无线传感器网络概述 | 第9-11页 |
| ·车辆检测识别技术 | 第11-13页 |
| ·国内外发展现状 | 第13-14页 |
| ·本文的主要内容 | 第14-16页 |
| 2 车辆声震信号特性分析及目标检测 | 第16-29页 |
| ·车辆声震信号特性分析及传播模型 | 第16-18页 |
| ·车辆声音信号特性及传播模型 | 第16-17页 |
| ·车辆震动信号特性及传播模型 | 第17-18页 |
| ·实验数据集介绍 | 第18-19页 |
| ·目标检测 | 第19-28页 |
| ·常用声震信号目标检测算法 | 第19-22页 |
| ·恒虚警率检测算法原理 | 第22-24页 |
| ·基于恒虚警率和频谱分布的双门限信号检测算法 | 第24-28页 |
| ·小结 | 第28-29页 |
| 3 信号预处理及特征提取 | 第29-45页 |
| ·信号预处理 | 第29-32页 |
| ·基于FFT的声震信号特征提取 | 第32-36页 |
| ·傅立叶变换基本原理 | 第32-34页 |
| ·基于FFT的特征提取 | 第34-36页 |
| ·基于小波包分析的声震信号特征提取 | 第36-41页 |
| ·小波变换基本原理 | 第36-39页 |
| ·基于小波包分析的特征提取 | 第39-41页 |
| ·特征提取实验结果 | 第41-44页 |
| ·基于FFT的特征提取实验结果 | 第41-42页 |
| ·基于小波包分析的特征提取实验结果 | 第42-44页 |
| ·小结 | 第44-45页 |
| 4 目标分类 | 第45-54页 |
| ·近邻分类法 | 第45-46页 |
| ·最近邻分类 | 第45-46页 |
| ·k近邻分类 | 第46页 |
| ·支持向量机 | 第46-49页 |
| ·最优分类面 | 第47-49页 |
| ·支持向量机 | 第49页 |
| ·实验结果及分析 | 第49-53页 |
| ·声音信号特征分类实验 | 第49-51页 |
| ·震动信号特征分类实验 | 第51-52页 |
| ·实验结果比较 | 第52-53页 |
| ·实验结果分析 | 第53页 |
| ·小结 | 第53-54页 |
| 5 决策融合 | 第54-62页 |
| ·数据融合概述 | 第54-56页 |
| ·数据融合的概念 | 第54-55页 |
| ·无线传感器网络中的数据融合 | 第55-56页 |
| ·单节点决策融合 | 第56-58页 |
| ·多节点决策融合 | 第58-61页 |
| ·实时融合同步分析 | 第58-59页 |
| ·基于能量的决策融合 | 第59页 |
| ·实验结果及分析 | 第59-61页 |
| ·小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |
