基于加速度传感器的车辆震动类型识别方法和系统与流程

本发明涉及车联网应用领域，更具体地，涉及一种基于加速度传感器的车辆震动类型识别方法和系统。

背景技术：

一般车辆停车后车载智能设备会启动停车安防功能，当车辆因被敲击或其他原因导致产生较大震动时，车辆安防系统会产生安防报警。目前市场上常见的车辆震动判断方法是：使用加速度传感器的运动终端模式，当车辆停车后，给加速度传感器设置一定的阈值，加速度传感器实时对车辆的加速度数据进行采集，当加速度传感器采集得到的加速度与上一次采集的加速度之间的差值超过设定的阈值时，加速度传感器的中断脚上会触发一个中断，同时将采集的数据发送到处理器，由处理器计算处理后进行判断是否发出安防报警。

然而，现有技术中只能识别到车辆较大的震动，如车辆被敲击、车窗被砸等，但不能识别具体的震动原因，如无法判断是由于台风天气影响导致车辆晃动还是由于人为造成的车辆摇晃，容易导致误报。且加速度传感器存在内部噪声，当加速度传感器所设置的阈值过小时，容易由于加速度传感器的内部噪声导致加速度传感器触发中断，导致造成车辆安防误报。

技术实现要素：

本发明为克服上述现有技术所述的因无法识别车辆震动类型导致容易产生误报的缺陷，提供一种基于加速度传感器的车辆震动类型识别方法。

为解决上述技术问题，本发明的技术方案如下：

基于加速度传感器的车辆震动类型识别方法，包括以下步骤：

s1：加速度传感器实时采集车辆的加速度数据，然后将所采集的加速度数据进行高通滤波处理；

s2：计算当前时刻采集的经过高通滤波处理的加速度数据与上一时刻采集的经过高通滤波处理的加速度数据的差值；

s3：根据所述差值绘制并更新pi曲线，然后通过pi曲线提取震动特征；

s4：将所提取的震动特征与数据库中的不同震动类型的震动特征比较：当所提取的震动特征与某一震动类型相匹配时，确认车辆的震动类型为所匹配的震动类型；当不存在与其相匹配的震动类型时，跳转到步骤s1。

本技术方案中，通过将所采集的加速度数据进行高通滤波处理，能够有效过滤加速度传感器的内部噪声，从而避免由于加速度传感器内部噪声导致触发安防报警。此外，本技术方案通过计算当前时刻采集的经高通滤波处理的加速度数据与上一时刻采集的经高通滤波处理的加速度数据的差值，并根据所计算的差值绘制更新pi曲线并提取震动特征。当所提取的震动特征与数据库中所存储的某个震动类型匹配时，即可准确识别出车辆的震动类型，确保车辆报警精准。

优选地，加速度数据为加速度传感器的x轴、y轴、z轴方向上的加速度数据。

优选地，步骤s2中计算当前时刻采集的经过高通滤波处理的加速度数据与上一时刻采集的经过高通滤波处理的加速度数据的差值的计算公式如下：

x′＝xcurrent-xprevious

y′＝ycurrent-yprevious

z′＝zcurrent-zprevious

其中，xcurrent、ycurrent、zcurrent表示加速度传感器三轴方向上的当前时刻采集的经过高通滤波处理的加速度数据，xprevious、yprevious、zprevious表示加速度传感器三轴方向上的上一时刻采集的经过高通滤波处理的加速度数据，x′、y′、z′表示三轴方向上当前时刻采集的经过高通滤波处理的加速度数据与上一时刻采集的经过高通滤波处理的加速度数据的差值。

优选地，步骤s3中的pi曲线中，pi的计算公式如下：

pi＝|x′|+|y′|+|z′|

其中，pi为加速度传感器三轴方向上的数据差值的绝对值的总和。

优选地，步骤s3中的震动特征包括以下至少一项：波峰的值、波谷的值、波峰与波谷之间的时间差、波峰与下一个波峰之间的时间差、曲线的斜率。

优选地，步骤s4中的数据库中所存储的不同震动类型的震动特征为通过采集不同震动类型的样本并从中提取共同震动特征获得。本优选方案的数据库中所存储的震动类型对应的震动特征是通过采集不同震动类型的大量样本并从中提取其对应的共同震动特征后，由系统录入保存，因此不需要用户个体调整设置，而且能够有效减少处理器的计算量，同时提高识别率及算法的实时性，实现快速识别车辆震动类型。

本发明还提出一种基于加速度传感器的车辆震动类型识别系统，包括加速度传感器、数字高通滤波器、处理器，其中加速度传感器的输出端与数字高通滤波器的输入端连接，数字高通滤波器的输出端与处理器的输入端连接；

其中，所述加速度传感器用于实时采集车辆的加速度数据，经数字高通滤波器的滤波作用后发送到处理器中，处理器计算当前时刻采集的经过高通滤波处理的加速度数据与上一时刻采集的经过高通滤波处理的加速度数据的差值，所述处理器根据所计算的差值绘制并更新pi曲线，然后通过pi曲线提取震动特征，所述处理器将所提取的震动特征与数据库中的不同震动类型的震动特征比较，当所提取的震动特征与某一震动类型相匹配时，即可确认车辆的震动类型为所匹配的震动类型。

本技术方案中，加速度传感器用于实时采集车辆的加速度数据，数字高通滤波器用于过滤加速度传感器内部产生的内部噪声从而避免对处理器的数据处理造成影响，处理器对所采集的经过高通滤波处理的加速度数据进行计算、更新pi曲线并提取震动特征，通过与数据库中所存储的不同震动类型的震动特征相匹配确定车辆的震动类型。

与现有技术相比，本发明技术方案的有益效果是：能够有效识别车辆震动类型，实现准确识别车辆震动并精准示警；计算量少，提高了车辆震动类型的识别效率，确保了实时性；有效减少了误报的现象，提高用户体验。

附图说明

图1为本实施例的车辆震动类型识别方法的流程图。

图2为本实施例的车辆震动类型识别系统的结构示意图。

图3为车辆被晃动时的三轴加速度数据示意图。

图4为车辆被晃动时的pi曲线图。

图5为车辆门把手被拉的pi曲线图。

其中：1.加速度传感器；2.数字高通滤波器；3.处理器。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

如图1所示，为本实施例的基于加速度传感器的车辆震动类型识别方法的流程图。

本实施例的基于加速度传感器的车辆震动类型识别方法包括以下步骤：

s1：加速度传感器1实时采集车辆的加速度数据，然后将所采集的加速度数据进行高通滤波处理，其中，加速度传感器1所采集的当前时刻车辆的加速度数据为加速度传感器1的x轴、y轴、z轴方向上的加速度数据。

s2：计算当前时刻采集的经过高通滤波处理的加速度数据与上一时刻采集的经过高通滤波处理的加速度数据的差值。当前时刻采集的经过高通滤波处理的加速度数据与上一时刻采集的经过高通滤波处理的加速度数据的差值的具体计算公式如下：

x′＝xcurrent-xprevious

y′＝ycurrent-yprevious

z′＝zcurrent-zprevious

其中，xcurrent、ycurrent、zcurrent表示加速度传感器三轴方向上的当前时刻采集的经过高通滤波处理的加速度数据，xprevious、yprevious、zprevious表示加速度传感器三轴方向上的上一时刻采集的经过高通滤波处理的加速度数据，x′、y′、z′表示三轴方向上当前时刻采集的经过高通滤波处理的加速度数据与上一时刻采集的经过高通滤波处理的加速度数据的差值。

s3：根据步骤s2所计算的差值绘制并更新pi曲线，然后通过pi曲线提取震动特征。

其中，pi曲线中的pi值为加速度传感器三轴方向上的数据差值的绝对值的总和，其计算公式如下：

pi＝|x′|+|y′|+|z′|，

此外，通过pi曲线所提取的震动特征包括以下至少一项：波峰的值、波谷的值、波峰与波谷之间的时间差、波峰与下一个波峰之间的时间差、曲线的斜率。

s4：将所提取的震动特征与数据库中的不同震动类型的震动特征比较：当所提取的震动特征与某一震动类型相匹配时，确认车辆的震动类型为所匹配的震动类型；当不存在与其相匹配的震动类型时，跳转到步骤s1。

本实施例中数据库中所存储的不同震动类型的震动特征是通过采集不同震动类型的大量样本，然后从中提取各震动类型对应的共同震动特征获得。获得不同震动类型分别的共同震动特征后，将该共同震动特征存储在数据库中。在具体使用过程中，当所提取的震动特征与数据库所存储的震动特征相同，或在其误差范围内时，即表示所提取的震动特征与该对应的震动类型相匹配，当前车辆的震动类型为数据库中对应匹配的震动类型。

应用本实施例的基于加速度传感器的车辆震动类型识别方法的一种基于加速度传感器的车辆震动类型识别系统，其结构示意图如图2所示。

基于加速度传感器的车辆震动类型识别系统，包括加速度传感器1、数字高通滤波器2、处理器3，其中加速度传感器1的输出端与数字高通滤波器2的输入端连接，数字高通滤波器2的输出端与处理器3的输入端连接。

由于加速度传感器内部存在内部噪声，本实施例中的数字高通滤波器能够有效将加速度传感器所采集的加速度数据中的内部噪声过滤，避免内部噪声对处理器的判断造成影响。

在具体实施过程中，加速度传感器1实时采集车辆的加速度数据，所采集的加速度数据通过数字高通滤波器2的高通滤波处理后发送到处理器3中进行计算处理，处理器3计算当前时刻采集的经过高通滤波处理的加速度数据与上一时刻采集的经过高通滤波处理的加速度数据的差值，处理器3根据所计算的差值绘制并更新pi曲线，然后根据pi曲线提取震动特征，处理器3将所提取的震动特征与数据库中的不同震动类型的震动特征比较，当所提取的震动特征与某一震动类型相匹配时，处理器3确认车辆的震动类型为所匹配的震动类型；当不存在与其相匹配的震动类型时，重复上述步骤。

具体地，当车辆受到晃动时，加速度传感器1实时采集车辆的加速度数据，此时加速度传感器1所采集到的x轴、y轴、z轴的加速度数据如图3所示。三轴加速度数据示意图中的x轴表示时间，y轴表示加速度数据的值，并将三轴加速度数据换算成以重力加速度g为单位的数据，其中g为一个重力加速度的大小，约为9.8m/s²。处理器3将加速度传感器1实时采集到的x轴、y轴、z轴的加速度数据进行计算处理，将加速度传感器三轴方向上的数据差值的绝对值加和，并绘制成pi曲线。如图4所示，为车辆被晃动时的pi曲线图。处理器3根据绘制的pi曲线图提取震动特征，如波峰的值、波谷的值、波峰与波谷之间的时间差、波峰与下一个波峰之间的时间差、曲线的斜率等特征值。从图4可看出震动特征为：波峰波谷交替出现并保持一小段时间、波峰的值与波谷的值的差值不超过45mg。将所提取的震动特征与数据库中存储的不同类型的特征值做比较，当所提取的震动特征在某一震动类型震动特征的误差范围内时，即表示符合该震动类型。

当车辆门把手被拉动时，加速度传感器1实时采集车辆的加速度数据，所采集的加速度数据通过数字高通滤波器2的高通滤波处理后发送到处理器3中进行计算处理，处理器3计算当前时刻采集的经过高通滤波处理的加速度数据与上一时刻采集的经过高通滤波处理的加速度数据的差值，处理器3根据所计算的差值绘制并更新pi曲线，此时的pi曲线示意图如图5所示。从图5可知，当前车辆的震动特征包括有：一次动作有两个峰值、一个峰值较小另一个峰值较大、两个峰值之间有一定的时间差、整个动作有一定的时间限制。此时可将所提取的震动特征与数据库中存储的不同类型的特征值做比较，所提取的震动特征与数据库中车辆门把手被拉动所对应的震动类型相匹配，所提取的震动特征与该类型的震动特征相同或在其误差范围内，此时数据库将对应的震动类型信息返回到处理器中3，处理器3确认识别车辆震动类型为车辆门把手被拉动。

本实施例中的基于加速度传感器的车辆震动类型识别方法和系统，能够有效识别车辆震动类型，实现准确识别车辆震动并精准示警，有效减少了误报的现象，提高用户体验，且整体计算量少，有效提高了车辆震动类型的识别效率，确保了车辆震动类型识别的实时性。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。