基于神经网络和小波变换的车型识别方法研究

车型自动识别分类在不停车收费系统中起着关键的作用，决定了不停车收费系统的可靠性和智能化程度，对提高公路交通系统的管理水平和车辆通行速度具有重要的意义。 本文对现有车型自动识别分类方法进行了分析比较，在此基础上，对采用雷达微波进行车型识别进行了探索和研究，雷达微波车型识别技术与车载电子标签有机结合起来，起到车型二次识别的作用，有效防止各种舞弊行为，控制收费损失。 本文通过MATLAB产生仿真的雷达微波信号，信号中包含了车型的特征信息。再采用小波变换的方法消除噪声，由于车型大小与信号经过小波变换后得到的各层能量分布有关，所以提取其能量分布作为分类识别的特征矢量。设计了BP神经网络的分类器，车型的能量分布特征由车型分类器进行分类，最终得到车辆的类型。 本文在对所设计的神经网络分类器进行训练的时候，对样本采用了改进的模糊C均值算法进行聚类分析，有效地避免了样本集不理想情况下对各类中心隶属度过小的情况，用隶属度作为网络输出训练,使网络容错性更强，更加符合实际分类情况，三个网络分别训练，最后综合判断，提高了分类质量。 本文首先介绍了已有车型自动识别的方法，分析讨论了存在的弊端，然后提出采用雷达微波进行识别的方法，详细介绍了对回波信号进行处理所用到的算法，分析比较各种算法，选择合适的算法用于信号的处理，最后介绍了车型识别硬件仿真平台及软件实现。