作者：江蘇寶應(yīng)揚州電視大學(xué)寶應(yīng)分校（225800） 喬維德 來源：《電子技術(shù)應(yīng)用》

摘要：介紹了基于多層前饋神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練方法、運用噪聲測量原理和方法判別汽車類型的識別系統(tǒng)，為汽車交通管理和監(jiān)測統(tǒng)計提供了有力的依據(jù)和手段。 關(guān)鍵詞：汽車 神經(jīng)網(wǎng)絡(luò) 噪聲 識別 隨著我國高速公路和汽車技術(shù)的迅猛發(fā)展，汽車行駛速度越來越高，極需一種更有效交通管理系統(tǒng)。這種系統(tǒng)應(yīng)能自動識別汽車，并能準(zhǔn)確判斷出汽車類型。20世紀(jì)50年代以來，點測試設(shè)備如環(huán)形成圈檢測器，主要用于十字路口的交通控制和交通數(shù)據(jù)收集。這種探測系統(tǒng)通常利用埋置于路面下的電感線圈，通過電磁感應(yīng)識別汽車，但這種系統(tǒng)存在著鋪設(shè)費用昂貴、維護(hù)困難、不能將汽車分類等缺陷。利用聲測地，并將此經(jīng)過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，能夠有效地識別路面上通過的汽車的類型。 1 聲測法汽車類型識別系統(tǒng) 聲測法汽車類型識別系統(tǒng)工作原理框圖如圖1所示。 聲測法汽車類型識別系統(tǒng)的工作原理是：當(dāng)汽車通過時，麥克風(fēng)將其產(chǎn)生的聲波的聲壓信號通過連接器傳列分類系統(tǒng)，通過a/d轉(zhuǎn)換器將聲壓信號轉(zhuǎn)化為一系列離散的數(shù)字信號，并在頻譜分析儀中進(jìn)行頻譜轉(zhuǎn)換（fft轉(zhuǎn)換）。 神經(jīng)網(wǎng)絡(luò)為衰減器接受到的每個矢量提供一個分類指示器。每個矢量顯示一個預(yù)定的間歇時間，即允許產(chǎn)生聲音的物體有一個短暫的時間間隔（0.1秒）。這樣，神經(jīng)網(wǎng)絡(luò)每隔0.1秒為每種聲音產(chǎn)生一個分類指示器，獨立地為每個矢量分類。時間積算器是經(jīng)神經(jīng)網(wǎng)絡(luò)分析后的一種分類指示器流量的處理器，即時間積算器經(jīng)多次與運算結(jié)果結(jié)合，產(chǎn)生整個系統(tǒng)輸出的最后分類結(jié)果。 基于神經(jīng)網(wǎng)絡(luò)的聲測法汽車類型識別系統(tǒng)采用低廉的傳感器材，對汽車的類型識別有很好的效果，而且應(yīng)用的覆蓋范圍更廣，不受天氣和光線的影響。 2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練算法 對原始噪聲進(jìn)行預(yù)處理之后，余于的識別工作就由神經(jīng)網(wǎng)絡(luò)來實現(xiàn)。本文所設(shè)計的網(wǎng)絡(luò)是三層前饋網(wǎng)絡(luò)，其結(jié)構(gòu)為：輸入層有n個節(jié)點，n=np×n；隱含層有p個節(jié)點，輸出層有q個節(jié)點。q個輸出節(jié)點分別對應(yīng)q種車型，輸入層采用的輸入值為傅立葉變換后的值，隱含層和輸出層的活化函數(shù)為sigmoid函數(shù)。訓(xùn)練完畢后，當(dāng)輸出層第i個節(jié)點輸出值大于0.99而其它節(jié)點的輸出值小于0.11時，就認(rèn)為本次識別的車型為第i號車。網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。 采用的訓(xùn)練算法是bp算法，該算法中的誤差函數(shù)是： 其中，dk和rk分別是網(wǎng)絡(luò)的希望輸出適量和實際輸出矢量，m為訓(xùn)練樣本對。 bp算法的一個突出缺點是學(xué)習(xí)速度慢，原因是多方面的，如與網(wǎng)絡(luò)的結(jié)構(gòu)有關(guān)，與學(xué)習(xí)算法本身存在的缺點有關(guān)。當(dāng)利用上述誤差函數(shù)來調(diào)整權(quán)重時，從推導(dǎo)知道權(quán)重調(diào)整量總包含下面的因子： 從上式可以看出，當(dāng)輸出層單元i的實際輸出ri接近于0或1時，誤差信號中的因子式ri(1-ri)使得誤差信號變得很小，這時如果輸出層單元i的實際輸出ri與期望輸出值di相差很大時，沒有產(chǎn)生強的誤差來修正權(quán)重，從而延長了學(xué)習(xí)過程。另外由于激勵函數(shù)f(x)=(1+e -x)-1是一個飽和函數(shù)，當(dāng)它趨于飽和狀態(tài)時，導(dǎo)數(shù)就接近于零，從而造成收斂速度減慢。由此可以考慮將因子ri(1-ri)從誤差函數(shù)對權(quán)重偏微分的結(jié)果中去除，于是可把bp算法的誤差函數(shù)改進(jìn)為： 因為0<ri=f(sumi)<1且di的取值為0或1，從而。下面對這種誤差修正方法的收斂性作簡的分析。 利用鏈?zhǔn)轿⒎忠?guī)則得： 右端第一項表示輸出矢量中第i個分量對偏差的影響，第二項則表示權(quán)系數(shù)對輸出分量的影響。根據(jù)式（4）計算第一項的偏微分： 計算式（5）的第二項偏微分： 其中，bj