Klasyfikacja pojazdów za pomocą łączenia informacji akustycznej

• Autorzy: Biernacki P.

Warianty tytułu

EN

Vehicle classification using acoustic information fusion

• Konferencja: Krajowa Konferencja Elektroniki (12 ; 10-13.06.2013 ; Darłówko Wschodnie ; Polska)
• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono skuteczny sposób klasyfikacji pojazdów oparty na teorii informacji połączonej, wykorzystujący sygnał akustyczny generowany przez pojazdy. Wiele akustycznych czynników może przyczyniać się do trafnego rozpoznania pojazdu. Poleganie na jednym zbiorze cech może pomijać istotne informacje. Dokładność klasyfikacji można poprawić dzięki technice informacji połączonej, gdzie różne aspekty akustycznego ‘podpisu’ pojazdu brane są pod uwagę. Wyodrębniono dwa zbiory cech sygnału: oparte na analizie częstotliwościowej (elementy harmoniczne) oraz oparte na wielowymiarowych zależnościach korelacyjnych. Na ich podstawie używając klasyfikatorów SVM oraz k-NN dokonywana jest identyfikacja danej klasy pojazdów. Do oceny skuteczności rozwiązania wykorzystano bazę sygnałów audio pojazdów różnych klas. Rezultaty pokazują poprawę skuteczności rozpoznania w stosunku do zastosowania tylko jednej grupy cech charakterystycznych pojazdu.

EN

In the article an information fusion approach for vehicles classification using acoustic signal was presented. Many acoustic features can contribute to a right diagnosis of the vehicle. Consisting only one set of features can omit the relevant information. It is possible to improve the accuracy of classification thanks to the technique of information fusion, where various aspects of acoustic 'fingerprint' are being taken into consideration. Two sets of features of the signal were distinguished: based on frequency analysis (harmonic elements) and based on multidimensional correlation relations. Using SVM and k-NN classifiers identification of the given class of vehicles is being made. A vehicle different classes audio signal database was used for the assessment of effectiveness of the proposed solution. Results are showing the improvement the effectiveness of recognizing towards applying only of one features set of the vehicle.

Słowa kluczowe

PL

akustyczna klasyfikacja pojazdów; parametryzacja sygnału; łączenie informacji; współczynniki Schura; reguła Bayesa

EN

acoustic vehicle classification; signal parametrization; information fusion; Schur coefficients; Bayes' rule

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2013
• Tom: Vol. 54, nr 10
• Strony: 70--72
• Opis fizyczny: Bibliogr. 12 poz., wykr.

Twórcy

autor

Biernacki P.

• Politechnika Wrocławska, Wydział Elektroniki

Bibliografia

• [1] T. Damarla, T. Pham, D. Lake, „An algorithm for classifying multiple targets using acoustic signature”, In: Proceedings of SPIE signal processing, sensor fusion and target recognition, pp. 421-427, 2004.
• [2] M. Duarte, Y. H. Hu, „Vehicle classification in distributed sensor networks”, J. Parallel Distributed Comput 64:826-838, 2004.
• [3] B. Guo, M. Nixon, „Gait feature subset selection by mutual information”, IEEE Trans Syst Man Cybern Part A 39(1):36-46, 2009.
• [4] D. Lake, „Harmonic phase coupling for battlefield acoustic target identification”, In: Proceedings of IEEE international conference on acoustics, speech, and signal processing, pp. 2049-2052, 1998.
• [5] G. Mazarakis, J. Avaritsiotis, „Vehicle classification in sensor networks using time-domain signal processing and neural networks”, Microprocess Microsyst 31:381-392, 2009.
• [6] M. Munich, „Bayesian subspace methods for acoustic signature recognition”, In: Proceedings of the 12th European signal processing conference, pp. 1-4, 2004.
• [7] D. Thomas, B. Wilkins, „The analysis of vehicle sounds for recognition”, Pattern Recogn 4(4):379-389, 1972.
• [8] H. Wu, M. Siegel, P. Khosla, „Vehicle sound signature recognition by frequency vector principal component analysis”, IEEE Trans Instrum Meas 48(5):1005-1009, 1999.
• [9] G. D. Whitaker, „An Overview of Information Fusion”, DERA, British Crown Copyright 2000.
• [10] S. Schetzen, „The Voltera & Wiener Theories of nonlinear systems”, John Wiley & Sons, New York, 1980.
• [11] P. Biernacki, „Orthogonal Schur-type solution of the nonlinear echo-cancelling problem”, IEEE ICECS 2007, Piscataway, NJ, 2007.
• [12] A. Y. Nooralahiyan, H. R. Kirby, D. McKeown, „Vehicle classification by acoustic signature”, Math Comput Model 27(9-11):205-214, 1998.