论文部分内容阅读
近年来,随着城市化进程的加快,交通网络越来越复杂。随之而来的追尾碰撞事故发生频率越来越高,然而如何有效地检测追尾碰撞事故的发生成为当前智能交通领域急需解决的问题。本文试图用信号检测的方法来攻克此问题。本文提出了一套追尾碰撞检测方案来检测追尾事件的发生。追尾碰撞检测方案分为两部分:追尾碰撞模型和信号检测模型。追尾碰撞模型用来检测当前车辆与后方车辆是否存在追尾的可能。如果发现危险情况,就按照既定的信号模型一直产生报警信号直到危险情况解除。而后方车辆的信号检测模型一直在检测前方是否有车辆发出报警信号,如果检测到报警信号,就立刻通知司机进行制动来降速或者停车。从而将目标问题转化为如何高性能地检测报警信号。针对于该问题,本文提出两种信号检测模型:空间相关信号检测模型和时间序列检测模型。两种检测模型分别利用采集样本的空间相关性和时间相关性,提高其检测概率,增加等检测概率条件下的检测距离,给后车司机更多的反应时间。论文还提出检测性能指标来评价信号检测模型的性能优劣。空间相关信号检测模型利用空间相关性构建信号检测器,来处理信号样本。本文考察了能量检测器(Energy detector,ED),能量联合检测器(AND规则、OR规则)以及协方差检测器(Covariance detector,CD),推导了这些检测器的检验统计量、检测门限值和检测概率公式。理论分析比较了能量联合检测器(AND和OR规则)和协方差检测器的性能。通过模拟实验验证了理论分析的结论:协方差检测器的检测性能比能量联合检测器(AND、OR规则)高出50%以上。时间序列检测模型利用时间相关性构建时间序列检测器,经过时间序列检测器来处理采样样本得到检验统计量。本文设计了三种时间序列检测器:逻辑联合检测器、比值联合检测器以及仲裁联合检测器。推导了每种检测器的检验统计量、检测门限值公式。通过模拟实验分别对三种检测器进行检测性能进行比较和分析,得出结论:在判决周期中存在三个时间序列时,逻辑联合检测器的检测性能最好;比值联合检测器次之;仲裁联合检测器最坏。结合信号检测模型的检测性能指标,将两种检测模型的信号检测器进行性能比较。并得出结论:1)利用空间相关性和时间相关性可提高信号检测模型的检测概率,增加信号检测模型的检测距离;2)逻辑联合检测器的检测性能最好。