欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018101610277
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种高速列车轨边运动参数自适应识别方法,其特征在于,实现步骤如下:步骤(1-1)、道旁声学信号多普勒畸变中心频率fk(t)构建;

步骤(1-2)、基于上述参数集和运动模型构造符合多普勒畸变规律的窗wγ(t,f),且将每一组参数构造出来的多普勒窗的中心频率f在信号时频分布中从低频到高频依次移动,这样每移动一个Δf就又会产生一个新的多普勒窗,多普勒窗的构造如下:wγ(t,f)=fk(t)±aΔf(k=1...Z,t=1...N/Fs)其中,

v,r,f0是列车运动参数集γ{v,r,f0}里的参数,分别表示列车的运动模型的列车运行速度,纵向距离,和信号的中心频率,M是马赫数,定义为列车的速度与理论声速的比值,s是运动模型的横向距离;

步骤(1-3)、依次计算所有多普勒窗所在区域的局部信号能量值E,寻找最大能量值Emax。

2.根据权利要求1所述的高速列车轨边运动参数自适应识别方法,其特征在于:所述步骤(1-1)中,畸变中心频率fk(t)构建的步骤如下:步骤(2-1)初始化声源运动参数集γ(v,r,f0),γ中没有包括声源运动模型的横向距离s,这对提高算法的高效性和稳定性都是十分有利的,在算法实际匹配的过程中,只要计算出信号的时长T,就可以定义运动模型的横向距离s为:s=vT/2

步骤(2-2)对原来的声源运动模型进行演化得到变量个数减少的声源运动模型函数,这里c/v就是前面提到的马赫数M,fk是运动参数集γ中的f0的一组参数,可以定义为fk={f1...fk,k=1...Z}。

3.根据权利要求1所述的高速列车轨边运动参数自适应识别方法,其特征在于:所述步骤(1-2)中,多普勒窗的构建步骤如下:步骤(3-1)结合运动参数集γ(v,r,f0)和声源运动模型函数构建符合列车声音信号畸变规律的多普勒窗:v={v1...vi,i=1...L}

r={r1...rj,j=1...M}

f={f1...fk,k=1...Z}

这里L,M和Z是这三种运动的参数的拟合范围长度,总共的匹配识别次数为L*M*Z,每一组运动参数可以构造一个多普勒畸变曲线fk(t);

步骤(3-2)设定多普勒窗频率轴宽度为2aΔf,这样每一组多普勒窗的上下边界为:boundary=fk(t)±aΔf(k=1...Z,t=1...N/Fs)由这组边界可以构造时频多普勒窗wγ(t,f);

这里Δf定义为频率迁移的分辨率,每一组构造出的多普勒窗的宽度由Δf决定,多普勒窗的上边界是fk+aΔf,多普勒窗的下边界是fk-aΔf,所以每一组构造出来的多普勒窗的宽度为2aΔf,然后每一组被构造出来的多普勒窗会从时频矩阵的低频处向高频处移动,根据这个原理,会有许多多普勒窗分布在信号的整个时频域中,每一个多普勒窗会在信号的时频分布中选取对应到信号分布,这里之所以在频移间距Δf前面设置乘数因子a,是为了算法调试的便利性设计。

4.根据权利要求1或2所述的高速列车轨边运动参数自适应识别方法,其特征在于:所述步骤(1-3)中,局部信号能量最大值搜索和最优参数识别的步骤如下:步骤(4-1)将整个时频矩阵的每个像素点的能量累加起来表示信号的总能量,这里用x1(t)表示被多普勒窗选中的局部信号,局部信号选取的原理可以归纳为:这里x1(t)可以表示为:

x1(t)=x(t)·S′(t,f)

x1(t)表示的是被多普勒窗选取的局部频段的信号;

步骤(4-2)将局部信号x1(t)的每一个元素点进行累加就可以得到x1(t)的能量和,如下所示:这样所构造的多普勒窗中包含的信号能量越大,计算得到的能量值就越大,根据声源的运动模型可以得出,只有最优的参数所构造的多普勒窗内的信号的能量值是最大的;

步骤(4-3)在时频分布中参数寻优,越亮的区域表示信号能量越高,所以越准确的声源运动参数构造的多普勒窗所在的区域越集中于信号能量高的区域,所以这里根据所有计算得到的信号能量值进行寻优就可以得到最优的声源运动参数,该寻优过程如下所示,如果,E(i,j,k)=max(max(max(E(i,j,k))))那么,

v=vi

r=rj

f=fk。