桥本甲状腺炎,一种根据随机森林算法的多障碍物超声测距办法,文根英

频道:微博热点 日期: 浏览:280

因超声波在传达过程中不受光线、烟雾、电磁搅扰等要素影响,所以相较于其杨建柳他测距方法,超声波测距有着显着的优势,遭到无人驾驶范畴的喜爱[1]

超声波测距一般运用脉冲回波法[2]。传统的回波有阈值法、互相关函数法。阈值法简略有用,实时性好,对距离近、回波峰值较强的信号有很好的吴小晖和陈小鲁的联系检测才能王加行,可是难以使用在距离远、回波峰值弱的信号中。互相关函数法一般悍妻当家娘子轻点打只能处理5 m之内的回波信号[3],相同不适用于对妨碍物的测距。此外,互相关函数法理论上只存在一个最长处,因而该方法也不能在勘探区域内一起对多个妨碍物进行测距。因而,本文提出了一种依据随机森林算法的超声回波信号处理方法,经过对回波信号的时域和频域剖析,提取并融合时、频域特征信息,使用随机森林算法判别出勘探区域内老头同性恋的妨碍物并xboy核算出妨碍物的距离[4]

1 传统超声波测距原理

传统脉冲回波测距原理是:用脉冲鼓励超声探头向外发射超声波,一起接纳从被测物体反射回来的超声波钱佰倍(简称回波)[5],经过检测从发射超声波至接纳回波所阅历的时刻t,简称为腾跃时刻,使用下式核算超声波探头与被测物体之间的距离d,即:

其间,v为空气介质中声波的传达速度,常温下,v一般取340 m/s。

规划超声测距体系电桥本甲状腺炎,一种依据随机森林算法的多妨碍物超声测距方法,文根英路时,需求考虑声强衰减的问题,由于超声波在空气中传达过程中,声强会跟着传达距离的增大而减小[6]。形成衰减的原因是声束自身存在的分散以及反射、散射现象等。假定开始的声强为I0,在经过x米距离后,由于吸收衰减,声强变为I,则超声波的衰减能够用下式表明:

式中,为空气衰减系数。假如没有采纳一些增益补偿方法,则距离越远,就越难盖世武尊以区别妨碍物信号和其他白噪声信号,致使后续无法对信号剖析处理。

2 依据随机森林算法的超声回波测距方法介绍

2.1 测距体系规划

本文规划的超声波测距体系组成如图1所示。考虑到丈量距离远,声强衰减会很大,故在发射电路的规划中,进步了发射电流,以增强信号发射功率,一起,在接纳电路中也规划了时刻增益补偿电路,用于补偿空气传达过程中声强的衰减。一般,DSP信号处理器中含有带通滤波器,能够进步处理器(ARM)接纳的回波信号质量。

2.2 随机森林算法

随机森林算法是由美国科学家BREIMAN L[8]提出的一种集成分类算法。该算法从练习会集随机抽取必定数量的样本作为每棵树的根节点样本,在建立决策树时,随机抽取必定数量的候选特点作为割裂节点。随机森林核算法由于两个随机性[9]的引进,使得该算法不容易呈现决策树[11]法的过拟合现象。别的,随机森林法在运算量没有显着进步的前提下可进步猜测精度,具有很好的抗噪声才能。因而,本文选用该法核算距离。

2.3 信号时、频域的特征提取

为了使用随机森林法,需求提取超声回波信号的时域和频域特征。

信号具有时域和频域的特性。在时域中,信号f(t)是时刻的函数,描绘的是信号的起伏杨仲臣、频率和相位随时刻的改变联系。在频域中,信号F(j)是频率的函数,评论的是信号的起伏和相位随频率的改变联系[12]。信号能够经过傅氏改换在时域和频域之间转化。

经过研讨发现,当超声波遇到妨碍物回来时,其反射波的频率f会在发射波频率f0邻近呈现,导致频率f0邻近的频谱起伏变大。例如,以频率为f0=48 kHz发射脉冲方波,得到经带悬组词通滤波后的原始回波信号波形S,如图2(a)所示。可看出在18 200 s~19 100 s和55 200 s~56 100 s时刻段内各有一个妨碍物。为了测距,在上述两个时刻段内别离取最高点作为腾跃时刻,依据式(1)可核算出两个妨碍物的距离别离约为3.2 m和9.5 m。因而,找出妨碍物地点的时刻段是处理问题的要害。把原始回波信号S分红n段,每一段所对应的时刻段巨细为t0,t0的巨细与回波信号中妨碍物从呈现的开始时刻到完毕时刻所对应的时刻段tobs有关,例如图2(a)中tobs=900 s,假如t0取值过大,就会呈现一段中包括多个妨碍物,影响判别妨碍物个数,反之假如取值太小,又会形成一个妨碍物呈现的时刻段tobs被分割成接连好几段,使核算变得复杂。所以一般取较为适宜,这样一个妨碍物至多会被接连的3段t0所包括起来,在后续处理过程中假如判别出相邻的时刻段内有妨碍物呈现,则能够把它们兼并为一个时刻区间。选定好t0后,回波信号S总的时长为tall,那么n=tall/t0。然后对每一段信号Si(i=1,2,…,n)做FFT改换,当有妨碍物出男生丁丁现的时分,f0邻近的频谱起伏会比较强,如图2(b)所示,该图显现的仅为图2(a)中两个妨碍物地点时刻区间邻近的分段,能够看出在妨碍物地点时刻区间43段、44段频谱起伏显着比42段、45段强;同理,别的一个妨碍物地点时刻区间128段、129段频谱起伏也要比127段、130段高。

依据以上剖析,能够提取信号在时域和频域的一些特征。时域特征主要指信号的相对峰值起伏CT1,即时域信号包络的相对改变量。以其间一段Si为例,其核算方法为:

其间step为步长,ai为步长内所包括点的最大值,i=SN/step,SN为Si段中的总点数。提取的特征CT1的实质相当于提取了诗人潘婷Si段的包络。

对时域信号Si段做FFT改换,得到频域起伏谱,截取发射频率f0邻近的频段,设频段长度为2d,则其左面频率为f0-d,右边频率宋离韦子梵为f0+d。以左、右边频率构成区间[f0-d,f0+d],在该区间上提取频域特征:频谱相对面积CT2,即区间内的点所围成的面积。方差CT3,最大值CT4和极差CT5,其核算公式别离为:

2.4 使用随机森林法的测距方法

具体过程如下:

(1)预备数据:在不同距离的方位丈量妨碍物(能够多个)的数据,每个方位收集三次,并做好标示。以其间一个原始信号S为例,把信号分红n段,依据上一节特征提取的方法,提取出每一段信号S冬菊香砂片i(i=1,2,…,n)的时域和频域特征:CT1i,CT2i,CT3i,CT4i,CT5i,并做好每一段的标示信息Li,即阐明该段是否含有妨碍物。每一个信号S有n个数据S1,S2,…,Sn。为了不使某一个特征值对成果影响过大,对每一个特征进行归一化处理,核算方法如下:

其间Xmax和Xmin别离为某一特征会集最大特征值和最小特征值。使用式(6)得到预处理后的数据集。

(2)练习数据:把预处理后的数据作为练习集,使用随机森林算法练习出分桥本甲状腺炎,一种依据随机森林算法的多妨碍物超声测距方法,文根英类器TB。

(3)猜测数据:当测得一个新的信号数据时,把数据依照过程(1)处理后,用练习好的随机森林分类器TB对数据集进行分类,判别崔凯令郎帽出妨碍物地点的时刻段。假如两个时刻段相邻,则兼并这两个时刻段为一个全体的时刻区间,假如求出多个不相邻的时刻区间,阐明检测出多个妨碍物。

(4)核算距离:找出在时刻区间中的最大值,把该值所对应的时刻点作为腾跃时刻tmax,代入式(1),核算出妨碍物距离d。

3 试验成果与剖析

下面以一起丈量两个妨碍物为例来验证该算法,测验示意图如图3所示。在检测范围内,恣意放置两个妨碍物,用超声波测距体系进行丈量。

试验中发射的脉冲方波振动频率为48 kHz,采样频率为680 MHz狒秃猴,采样时刻为62 638.55 s。收集经过带通滤波后的原始数据点,得到采样点数为43 200个,画出的波形相似图2(a)。把原始数据分红144段,t0约为500 s,每段有300个数据点,频域区间选取为[46 kHz,50 kHz],依照本文算法核算出妨碍物的距离。经过对不同距离多个不同妨碍物进行丈量,得到试验成果如表1所示。成果表明,该算法能够在10 m之内,一起有效地完成对多个妨碍桥本甲状腺炎,一种依据随机森林算法的多妨碍物超声测距方法,文根英物的距离丈量。其差错在3 cm之内,到达了实践的使用要求。在同一方位进步桥本甲状腺炎,一种依据随机森林算法的多妨碍物超声测距方法,文根英行屡次丈量,来评判随机森林算法的准确度,其试验成果如表2所示。成果表明该算法具有很好的妨碍物辨认度。

4 定论

本文提出的算法经过提取超声回波信号的时域和频域信息特征,然后使用随机森林算法判别出妨碍物的个数并求出方针距离,可有效地处理因距离远、回波信号弱而形成的测距困难问题。该方法能够完成10 m内的多个妨碍物距离丈量功用,丈量差错在3 cm之内,到达了实践的使用需求,现已用于实践的自动驾驶场景中的矿场货车项目里,取得了杰出的作用,具有较高的有用价值和理论参阅含义。

需求阐明的是,能够在满意必定丈量分辨率要求的前提下,经过紧缩手法,使样本数据的距离合理扩大,到达减小核算量,进步丈量实时性的意图。

参阅文献

[1] 许高斌,闵锐,陈兴,等.一种新式超声波测距体系信号处理方法[J].电子技能使用,2016,42(8):84-86.

[2] 赵浪涛,赵永花,柴清.高精度超声波测距方法的研讨[J].电气自动化,2015,29(3):112-114.

[3] 程通畅,苏绍景,王跃科桥本甲状腺炎,一种依据随机森林算法的多妨碍物超声测距方法,文根英,等.超声回波信号调制及其包络相关时延估核算法[J].传感技能学报,2006,19(6):2571-2577.

[4] 王宏江,郭会军,李军怀.超声回波信号包络相关时延估量优化算法[J]寒舞纪.核算机工程与使用,2012,48(20):156-157.

[5] 吴赛燕,杨辉.超声波测距信号处理算法研讨[J].福建电脑,2009,25(3):73-74.

[6] 张珂,俞国华,刘钢海.超声波测距回波信号处理方法的研讨[J].测控技能,2008,27(1):48-49.

[7]霍耿 苑洁,常太华.依据STM32单蛇王大大请爬开片机的高精度超声波测距体系的规划[J].电子规划工程,2011,15(48):76-78.

[8] BREIMAN L.Random forests[J].Maching Learning,2001,45(1):5-32.

[9] 冯晓蒲,张铁峰.四种聚类方法之比较[J].微型机与使用,2010,29(16):1-3.

[10] 杨静,张楠男,李建.决策树算法的研讨与使用[J].核算机技能与开展,2010(1):114-116,120.

[11] KULKARNI V K,SINHA P K.桥本甲状腺炎,一种依据随机森林算法的多妨碍物超声测距方法,文根英Random forest classifiers:A survey and future research directio桥本甲状腺炎,一种依据随机森林算法的多妨碍物超声测距方法,文根英ns[J].International Journal of Advanced Computing,2013,36(1) :1144-1153.

[12] 张卫钢,张维峰.信号与体系[M].北京:清华大学出版社,2017.

作者信息:

王培丞,张卫钢

(长安大学 信息工程学院,陕西 西安710054)