[发明专利]无线传感器网络中基于粒子滤波的多车辆声信号分离方法

说明书

技术领域

本发明涉及智能交通系统，特别涉及一种无线传感器网络的基于粒子滤波的多车辆声信号分离方法。

背景技术

近几年来，在集成电路、无线通信、微光机电等领域的巨大发展使得具有信号处理和无线通信能力的低功耗、低成本传感节点的生产成为可能。由大量的这些传感节点所构成的无线传感器网络经常被布置来对某一特定应用环境中的一个或多个目标做检测、分类、定位和跟踪任务。

车辆分类是一项重要的信号处理任务，有着广泛的军事和民用用途，例如智能交通系统。尽管一些现有技术方案针对车辆分类问题提出了解决方法，但大多数分类算法往往假定只有一个声信号源存在，然而对真实的环境而言这种假定是不够准确的。最常用的办法从混合的多车辆声信号中提取各个目标的声信号是执行盲源分离算法。但这种算法运算复杂度较高，且存在一定的模糊性。

针对多车辆识别这一特定问题，包括车辆声信号潜在的时域结构特征等在内的一些先验信息能够被利用而得到解决方案。粒子滤波，即序贯蒙特卡罗方法，能够有效的解决非线性和非高斯问题。它已经在许多棘手的问题中得到了应用，例如目标跟踪问题。事实上，粒子滤波也可以用来实现一种贝叶斯方法，对信号源做分离。本发明旨在提供一种基于粒子滤波的统计方法，用于对无线传感器网络的智能交通应用中多车辆声音信号进行分离，然后分类算法将被执行用来对多目标车辆进行识别。

发明内容

本发明的目的在于提供无线传感器网络的基于粒子滤波的多车辆声信号分离方法，以实现在具有多车辆监控应用的无线传感器网络中对各车辆声信号进行分离。

为了达到上述目的，本发明提供的无线传感器网络的基于粒子滤波的多车辆声信号分离方法，其包括步骤：1)在一无线传感器网络中，具有声信号采集功能的传感节点对检测范围内的多目标运动车辆发出的混合声信号进行采集；2)为执行粒子滤波，传感节点初始化序贯重要采样法的参数，包括设置粒子的数量，取值范围，各个粒子所对应的权重；3)传感节点根据系统参数，得到信号混合矩阵和以车辆声信号的粒子值为条件的采集声信号的条件概率密度函数，即先验概率密度函数；4)根据先验概率密度函数和采集到的声信号，运用贝叶斯公式得到以当前时刻采集得到的声信号为条件的车辆声信号的后验概率密度函数，再对全部粒子的权值进行归一化，得到各个粒子的新权重值；5)当性能低于门限值时，启动重要重采样程序进行重采样；6)根据所有车辆声信号的粒子值和它们的概率密度进行加权运算，求出当前时刻的车辆声信号取值；7)若当前时刻不是采集数据的最后时刻，返回到步骤(4)，进行下一时刻的迭代运算；8)将上述步骤中得到的各个时刻的声信号取值合并，得到目标的声信号估计。