磁性干扰识别及磁性目标探测自修正

Intelligent traffic system is an efficient approach for solving traffic problems. Dense deployment of the traffic sensors in a large-scale wireless sensor networks for collecting complete traffic information is a key and primary issue. However, the high-density deployment of sensors will cause the explosive increase of cost. Due to its advantages of low-cost, small-size, high-sensitivity, immune of weather and easy to install, the magnetic sensor can meet the needs of large-scale networking. However, because of the complicated and dynamic of traffic environment, the measurements contain the magnetic-filed values caused by the Earth, target and other magnetic objects. How to extract the target features from the mixed values and eliminate the interference of other target is a tremendous challenge for high-accuracy detection. In addition, the ability of self-correct is weak because it is the passive detection. And the lack of the ability of self-correction will causes the “chain reaction” of errors. In view of these, we will study the magnetic interference recognition based on HHT by using the combination of window function and symmetrical mirror-prolongation. In addition, the LSTM will be first introduce into magnetic target detection for self-correction. The combination of LSTM-based finite on-line deep study and cooperative supervision mechanism. The detection accuracy can be improved though our study. And a novel method will be proposed for self-correction in magnetic target detection.

建立智能交通系统是解决交通问题的有效途径，其关键和首要任务是在无线网络中大规模密集部署交通传感器获取完备交通信息，但高密度部署传感器使成本爆炸性增长，地磁传感器具有成本低、体积小、灵敏度高、不受天气影响及安装方便等优势，更好地适应当前网络化和大规模化需求。但交通环境具有复杂性和动态性，实测数据是由地磁场、目标磁场及干扰磁场叠加的混叠数据，如何从混合性、非线性和非平稳性复杂数据中提取目标特征，识别磁性干扰是精准探测的难题；其次，磁性探测是被动式探测，自修正能力弱，易发生误判“连锁反应”，因此自修正是可靠探测的保障。本项目拟研究基于加窗函数与镜像对称延拓结合的HHT磁性干扰识别方法；其次，首次将长短期记忆网络应用于磁性目标探测自修正，研究基于有限在线学习和相邻节点协同监督机制，研究协同磁目标探测的理论和方法，实现探测自修正。本研究成果有望提升磁性目标探测准确性和可靠性，为探测自修正提供新思路。

交通拥堵和泊车困难是当前各国共同面临的长期难题，建立智能交通系统是解决交通问题的有效途径，其关键和首要任务是在无线网络中大规模密集部署交通传感器获取完备交通信息，但高密度部署传感器使成本爆炸性增长，地磁传感器具有成本低、体积小、灵敏度高、不受天气影响及安装方便等优势，更好地适应当前网络化和大规模化需求。但交通环境具有复杂性和动态性，实测数据是由地磁场、目标磁场及干扰磁场叠加的混叠数据，如何从混合性、非线性和非平稳性的复杂数据中提取探测目标特征，分离探测目标与干扰源，去除背景漂移和磁性干扰是精准探测的极大难题；磁性车辆探测是非接触式、被动探测，如何实现低成本探测自修正，提高地磁车辆探测可靠性的关键问题。. 鉴于以上研究背景和关键问题的分析，本项目的主要研究内容如下：.（1）探索地磁基线漂移规律，研究精准地磁基线自动更新方法.（2）分析ITS环境下多种复杂的动态磁性干扰源特征，研究磁性干扰识别和消除方法。.（3）基于有限在线学习，研究协同磁目标探测的理论和方法。. 本项目的研究成果及科学意义主要包括：.（1）以抑制地磁信号漂移，提高磁性目标探测可靠性为目的，深入分析研究地磁信号漂移特征，获得一种适用于磁性目标探测的基线自动更新方法，具有工程应用价值，同时促进磁性目标探测在ITS领域的应用发展；.（2）以解决磁性目标探测中的磁干扰问题，提高磁性目标探测精度为目标，研究了基于HHT方法的磁干扰信号识别方法，为地磁目标精准探测提供了新的方法；.（3）以提高地磁探测目标精度及稳定性为目标，研究基于有限在线学习和相邻节点协同机制的探测自修正，深度学习使得磁性目标探测更智能化和精准化，是未来磁性目标探测的方向，同时揭示了磁性目标探测在ITS中实现智能车辆探测的价值。. 本团队学术产出包括：.（1）SCI论文1篇.（2）发明专利4项.（3）培养研究生2名