论文部分内容阅读
为了提高车辆分类的性能,基于邻接传感器网络和BP神经网络提出一个有效的车辆分类算法MSVCA。在本算法中,使用成本相对低廉、灵敏度高的地磁传感器,采集车辆对地磁场的磁扰动特征信号,并根据邻接传感器网络本身的几何特性估计车辆长度,最后采用BP神经网络对车辆进行分类。神经网络的输入包括车辆长度、速度以及特征向量序列,输出为预定义的车辆类型。仿真及路面实验获得了93.61%的准确率。结果表明该算法提高了车辆分类的准确性,且具有较高的精度和顽健性。