基于各向异性磁阻的车型识别算法＊

孙晓，夏运贵

（湖南工业大学电气与信息工程学院，湖南株洲412007）

基于各向异性磁阻的车型识别算法＊

孙晓，夏运贵

（湖南工业大学电气与信息工程学院，湖南株洲412007）

在分析已有的各种车辆检测技术和车型识别算法的基础上，为了提高车型识别的高效性和准确度，提出采用各向异性磁阻传感器检测技术。首先，利用动态基值法来抑制AMR的漂移，然后对原始波形进行小波转换来滤波降噪，再从处理后平稳光滑的波形中提取特征向量，最后代入模糊识别算法计算得出车型。实验结果表明，基于各向异性磁阻的车型模糊识别算法对车型识别准确率达99%.

各向异性磁阻检测器；小波转换处理；特征提取；模糊识别

当前，我国的交通信息检测技术主要有超声波、红外、视频传感器以及地磁线圈探测仪[1]，但存在易受环境影响或安装维护不便等缺陷，而各向异性磁阻传感器（Anisotropic Magneto Resistive，AMR）作为一种先进的、稳定准确的传感系统，以体积小、低功耗、低成本、安装维护方便灵活、可靠性高等优点，能较好地弥补以上检测技术的不足。车型识别方法有计算车长归类法、模式匹配法、人工神经网路算法等，这些方法要么粗糙，要么实时性不好，其识别的准确率均偏低。现介绍一种能充分利用AMR检测波形各种信息的模糊识别算法，实现车型快速、准确识别。

1 AMR传感器检测技术

1.1 检测原理

AMR磁阻传感器是利用镍铁导磁合金的磁阻效应，镍铁导磁合金的电阻值与偏置电流（I）和磁场矢量（M）之间的夹角存在函数关系，由镍铁合金薄膜片沉积于硅晶片表面的电阻组成惠斯通电桥，从而将磁场的变化转换为差分电压的形式输出[2]。

AMR传感器能准确检测出地磁场强度和方向上万分之一的变化。而铁磁性物体会扰动原磁场的分布，铁磁物体的结构及质量不同，所引起的扰动也不同。因此，不同类型的车辆产生的地磁干扰也不一样，利用这个特征可以检测车辆的存在和进行车型识别[3]。

1.2 检测方法

本文采用Honeywell公司生产的AMR传感器HMC1001/100系列，将X，Y，Z三维方向的单个传感器集成在TI公司生产的CC2530芯片上。其安装和车辆的方向如图1所示，其中，X轴为车辆驶向停车位的方向，Y轴与X轴成逆时针90°并且在同一水平面，Z轴垂直水平面向上。

图1 AMR传感器安装示意图

车辆是金属结构，可以简化为磁偶极子，一个标准磁偶极子产生的磁场影响如式（1）[4]：

式（1）中：μ为磁导率；m为车辆的磁矩矢量；r为AMR传感器指向车辆的位置矢量，r为r的模。

令m＝（mx，my，mz），分别得到X，Y，Z轴3个方向上的磁场强度分量Bx，By，Bz，如式（2）：

2 检测波形处理

2.1 抑制基频漂移

一方面，AMR传感器检测的磁场强度如果超过±6×10-4T的范围，AMR传感器就会产生磁滞现象，需要采用置位/复位法消除磁历史的影响来消除磁滞现象，置位/复位脉冲电路如图2所示。

另一方面，AMR传感器检测基值会受温度的影响而漂移，需要采用动态基值法对AMR传感器进行校正。具体方法：传感器启动阶段在无车的情况下连续采集n个磁强信号H（1），H（2），H（3），…，H（n），取平均值，再对当前及前N－1个信号取均值为A（k），如式（3）所示，使基值在无车的情况下进行更新，而出现较大扰动疑似有车时保持不变，如式（4）所示。

式（3）（4）中：i∈（x，y，z），进而可分别得到X，Y，Z方向上的值；Bi（k）为动态基值；αi是加权系数，其取值决定基值受扰动的影响和更新速度。

2.2 小波转换滤波

将信号利用小波滤波器H，G和h，g进行分解和重构，分解算法如式（5）。对小波低半频作多层分解，较低一层的低频部分是与它相邻的上一层低频部分的低半频带，较低一层的高频部分是与它相邻的上一层低频部分的高半频带。这样就将原信号划分成多个子带，由算法得到小波系数，再将小波系数代入重构算法（6），便可以重构原信号[5]。

式（5）（6）中：t为离散时间点的采样序号；f（t）为原始信号；j为层数，j＝1，2，…，J，J＝log2N；H，G为时域函数小波分解滤波器；Aj为信号f（t）第j层近似部分的小波系数；Dj为信号f（t）第j层细节部分的小波系数。

3 车型识别

由AMR检测车辆的波形分析得出不同的车辆因本身结构不同，所以产生的波形曲线不同，曲线的大小形状跟车长、车速、轴数、车高和发动机位置有关，因此，车型识别算法就是找出车辆参数与波形间的关系。车型识别步骤见图3.

图2 置位/复位脉冲电路

图3 车型识别系统流程

3.1 建立模糊规则

在对车辆分类建立模糊规则时，选取能唯一表示某类车辆的特征值至关重要。通过对AMR检测波形的分析，提取特征向量为：车长、车高、磁能量、波峰/波谷、波峰数、最大值时间比、最小值时间比。获取大量车型样本，通过核聚类的方法计算每类车型的核，计算公式如下：

代入样本，从而得出车型模糊识别规则。

3.2 模糊识别算法

根据AMR检测波形特征，选用正态分布隶属度函数，将提取的特征值变为模糊特征，然后用距离模糊度算式来计算待测车型与已知车型的距离，距离模糊度算式如下：

式（11）（12）中：X为待识别的特征向量；Yi为隶属度向量；di为距离模糊度。

如果dk＝min{d1，d2，…，dn}，则所测车型属于k类。

4 算法验证

4.1 小波变换去噪实验

AMR传感器检测的原始波形和经小波变换后的波形对比如图4所示。

图4 小波变换前后波形对比

从图4可以看出，信号经过小波变换与拟合重构后，曲线平稳，降噪效果明显，有利于提取车辆特征。

4.2 车型模糊识别实验

实验初期，对于微型车的初始化，核函数Ki的初始参数iμˆ为（310，150，3 500，2.2，2.1，0.39，0.73），协方差矩阵i∑ˆ定为d×d的单位矩阵。将其代入微型车的隶属度函数中，如表1所示。

表1 车的隶属度

由车辆所有类的隶属度计算各个类的距离模糊度，比较距离模糊度可以得出该车的具体车型[6]。上面被检测车辆对微型车的距离模糊度计算为：di＝（Yi－I）（Yi－I）T＝0.182＋0.242＋0.152＋02＋0.192＋0.262＝0.278.

在实验过程中，某被检测车型提取的特征向量x为（391，152，4 213，2.2，2，0.28，0.8），可得其属于微型车。

5 结束语

本文基于AMR传感器车辆检测技术，采用动态基值法抑制基频漂移，采用小波变换法对检测波形进行滤波去噪，然后通过特征提取采用模糊识别算法判断车型。把先进的检测技术和正确的算法相结合，实现了停车检测智能化。实验证明本文提出的算法有效可行，检测准确率明显优于其他方法，该算法在智能化交通中有很好的应用前景。

［1］张星波，钱正洪，白茹，等.基于巨磁阻传感器的无线车位探测器［J］.机电工程，2012（12）：1477-1479.

［2］吴皓.基于地磁的车辆检测系统与识别算法研究［D］.武汉：华中科技大学，2007.

［3］郑东旭.基于地磁的智能停车系统设计与实现［D］.杭州：浙江大学，2016.

［4］荣梅，黄辉先，徐建闽.基于地磁传感器的车辆检测算法［J］.交通信息与安全，2011（3）：43-46.

［5］任保利.地磁车辆检测与车型分类算法研究［D］.广州：华南理工大学，2012.

［6］何志强，罗飞，于峰崎，等.基于地磁传感器的车辆检测算法［J］.科学技术与工程，2014（8）：203-206.

〔编辑：刘晓芳〕

U495

A

10.15913/j.cnki.kjycx.2017.19.058

2095－6835（2017）19－0058－03

株洲市自来水有限责任公司营销客户综合管理平台项目