车辆低速碰撞信号特征变换方法及系统的制作方法
【专利摘要】车辆低速碰撞信号特征变换方法及系统，采取技术方案如下所述：首先对车辆低速碰撞信号进行特征提取；寻找每个样本点的k个近邻点；由每个样本点的k个近邻点计算出该样本点的局部重建权值矩阵；根据该样本点的局部重建权值矩阵和其近邻点计算出该样本点的输出值，即得到新的特征向量。在特征数据具有冗余状态时，通过对特征数据进行降维处理，可以使得数据集更易使用。
【专利说明】
车辆低速碰撞信号特征变换方法及系统
技术领域
[0001] 本发明属于车辆低速碰撞信号处理领域，具体说是一种基于LLE局部线性嵌入的 车辆低速碰撞信号特征变换方法及系统。
【背景技术】
[0002] 在对低速行驶车辆远程定损过程中，主要是对车辆携带设备所采集的加速度、角 速度，以下简称车辆行驶信号进行处理分析、学习判断，但是实际采集的车辆行驶信号为离 散随机信号，这种信号是一种非确定性的信号，具有无法预测未来瞬间精确值的特点并且 本身存在很多的噪声，怎样将信号中的有用信息提取出来将称为后期学习判断的重要前 提。在进行特征提取过程中无法确定所有的特征都对学习网络具有重要的意义，也许存在 包含有冗余信息以及噪音信息，从而对学习结果造成误差，降低准确率，而通过降维，我们 希望减少冗余信息所造成的误差，提高识别或其他应用的精度。又或者希望通过降维算法 来寻找数据内部的本质结构特征。
[0003] 机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点 映射到低维度的空间中。降维的本质是学习一个映射函数f :X->y，其中X是原始数据点的表 达，目前最多使用向量表达形式。y是数据点映射后的低维向量表达，通常y的维度小于X的 维度，当然提高维度也是可以的。f可能是显式的或隐式的、线性的或非线性的。
【发明内容】
[0004] 为克服现有技术的不足，本申请设计了一种车辆低速碰撞信号特征变换方法及系 统，利用LLE对汽车碰撞信号提取特征后的数据进行数据变换，它能够使降维后的数据较好 地保持原有流形结构。
[0005] 本发明旨在提供一种车辆低速碰撞信号特征变换方法，采取技术方案如下所述：
[0006] Sl:首先对车辆低速碰撞信号进行特征提取；
[0007] S2:寻找每个样本点的k个近邻点；
[0008] S3:由每个样本点的k个近邻点计算出该样本点的局部重建权值矩阵；
[0009] S4:根据该样本点的局部重建权值矩阵和其近邻点计算出该样本点的输出值，即 得到新的特征向量。
[0010] 优选方式下，步骤Sl是利用LLE对汽车碰撞信号进行特征提取。
[0011] 进一步的优选方式下，步骤S2中把相对于所求样本点距离最近的K个样本点规定 为所求样本点的k个近邻点。
[0012] 进一步的优选方式下，所述样本点距离采用欧式距离。
[0013] 进一步的优选方式下，步骤S3中是通过如下步骤得出局部重建权值矩阵的：
[0014] 步骤一:首先定义重构误差，
[0015]
[0016] 其中Xi表示一个特定的样本点_ _
是Xi的k个临近点,?丨是Xi与 Xlj之间的权值，且满足条f
[0017] 步骤二:求出局部协方差矩阵，
[0018]
[0019] 其中Xi表示一个特定的样本点，Xij( j = l，2......k)是Xi的k个临近点，Xim表示第m 个样本点；
[0020] 步骤三:进而得到局部重建权值矩阵，
[0021]
[0022]其中:p、q为递增变量；
[0023] 进一步的优选方式下，步骤S4根据所得到的局部重建权值矩阵将所有的样本点映 射到低维空间中，映射条件满足如下：
[0024]
[0025] 其中，ε(Υ)为损失函数值，yi是Xi的输出向量，yij( j = l，2......k)是yi的k个临近 占 .
[0026] 进一步的优选方式下，输出向量yi的限制条件为：
[0027]
[0028]
[0029]其中，η为总的样本点数，i为当前样本点，T是转置，I是单位矩阵；
[0030] 进一步的优选方式下，要使损失函数值达到最小，则取Y为M的最小m个非零特征 值所对应的特征向量，将M的特征值从小到大排列，舍去第一个接近于零的特征值，取第2到 m+1间的特征值所对应的特征向量组成的列向量作为最终的输出结果。
[0031] 本发明还提供了一种车辆低速碰撞信号特征变换系统，具体为：
[0032] 用于对车辆低速碰撞信号进行降维处理的特征提取模块；
[0033] 寻找样本点的k个近邻点的寻找临近点模块；
[0034] 由每个样本点的k个近邻点计算出该样本点的局部重建权值矩阵的处理模块；
[0035] 根据该样本点的局部重建权值矩阵和其近邻点计算出该样本点输出值特征向量 丰旲块。
[0036] 本发明的优点和积极效果是:在特征数据具有冗余状态时，通过对特征数据进行 降维处理，可以使得数据集更易使用;降低很多算法计算开销;去除噪声;使得结果易懂。
【附图说明】
[0037] 图1为车辆低速碰撞信号特征变换方法流程图；
【具体实施方式】
[0038] 下面结合附图、通过具体实施例对本发明作进一步详述。以下实施例只是描述性 的，不是限定性的，不能以此限定本发明的保护范围。
[0039] 实施例1
[0040] 车辆低速碰撞信号特征变换方法，采取技术方案如下所述：
[0041] SI:首先对车辆低速碰撞信号进行特征提取;利用LLE对汽车碰撞信号进行特征提 取。
[0042] S2:寻找每个样本点的k个近邻点;把相对于所求样本点距离，一般采用欧式距离， 最近的K个样本点规定为所求样本点的k个近邻点，设置k为9。
[0043] S3:由每个样本点的k个近邻点计算出该样本点的局部重建权值矩阵。
[0044] S4:根据该样本点的局部重建权值矩阵和其近邻点计算出该样本点的输出值，即 得到新的特征向量。
[0045] 实施例2
[0046] 与实施例1具有相同的技术方案，更为具体的是，
[0047] 步骤S3中是通过如下步骤得出局部重建权值矩阵的：
[0048]步骤一:首先定义重构误差，
[0049]
[0050] 其中Xi表示一个特定的样本点，Xij( j = l，2,......k)是Xi的k个临近点，_是Xi与 Xlj之间的权值，且满足条f
[0051] 步骤二:求出局部协方差矩阵，
[0052]
[0053] 其中Xi表示一个特定的样本点，Xij( j = l，2......k)是Xi的k个临近点，Xim表示第m 个样本点；
[0054]步骤三:进而得到局部最优化重建权值矩阵，
[0055]
[0056] 其中：p、q为递增变量。
[0057] 实施例3
[0058] 与实施例1或2具有相同的技术方案，更为具体的是：
[0059] 步骤S4根据所得到的局部重建权值矩阵将所有的样本点映射到低维空间中，映射 条件满足如下：
[0060]
[0061] 其中，ε(Υ)为损失函数值，yi是Xi的输出向量，yij( j = l，2......k)是yi的k个临近 占 .
[0062] 进一步的优选方式下，输出向量yi的限制条件为：
[0063]
[0064]
[0065] 其中，η为总的样本点数，i为当前样本点，T是转置，I是单位矩阵；
[0066] 要使损失函数值达到最小，则取Y为M的最小m个非零特征值所对应的特征向量，将 M的特征值从小到大排列，舍去第一个接近于零的特征值，取第2到m+1间的特征值所对应的 特征向量组成的列向量作为最终的输出结果，即一个n*m的数据表达矩阵，假设有η个数据 点。
[0067] 本发明还提供了一种车辆低速碰撞信号特征变换系统，具体为：
[0068] 用于对车辆低速碰撞信号进行降维处理的特征提取模块；
[0069] 寻找样本点的k个近邻点的寻找临近点模块；
[0070] 由每个样本点的k个近邻点计算出该样本点的局部重建权值矩阵的处理模块；
[0071] 根据该样本点的局部重建权值矩阵和其近邻点计算出该样本点输出值特征向量 丰旲块。
[0072]本发明是利用LLE对汽车碰撞信号提取特征后的数据进行数据变换。Locally linear embedding(LLE)是一种非线性降维算法，它能够使降维后的数据较好地保持原有 流形结构。很多后续的流形学习、降维方法都与LLE有密切联系。
[0073]以上所述，仅为本发明较佳的【具体实施方式】，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其 发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
【主权项】
1. 车辆低速碰撞信号特征变换方法，其特征在于，采取技术方案如下所述： S1:首先对车辆低速碰撞信号进行特征提取； S2:寻找每个样本点的k个近邻点； S3:由每个样本点的k个近邻点计算出该样本点的局部重建权值矩阵； S4:根据该样本点的局部重建权值矩阵和其近邻点计算出该样本点的输出值，即得到 新的特征向量。2. 根据权利要求1所述的车辆低速碰撞信号特征变换方法，其特征在于，步骤S1是利用 LLE对汽车碰撞信号进行特征提取。3. 根据权利要求1所述的车辆低速碰撞信号特征变换方法，其特征在于，步骤S2中把相 对于所求样本点距离最近的K个样本点规定为所求样本点的k个近邻点。4. 根据权利要求3所述的车辆低速碰撞信号特征变换方法，其特征在于，所述样本点距 离采用欧式距离。5. 根据权利要求1所述的车辆低速碰撞信号特征变换方法，其特征在于，步骤S3中是通 过如下步骤得出局部重建权值矩阵的： 步骤一:首先定义重构误差，其中Xi表示一个特定的样本点，Xij( j = l，2......k)是Xi的k个临近点，__Sxi与Xij之 间的权值，且满足条件 步骤二:求出局部协方差矩阵， 0,'，二ν') 其中Xi表示一个特定的样本点，Xij( j = l，2......k)是Xi的k个临近点，Xim表示第m个样 本点； 步骤三:进而得到局部重建权值矩阵，其中:P、q为递增变量。6. 根据权利要求1所述的车辆低速碰撞信号特征变换方法，其特征在于，步骤S4根据所 得到的局部重建权值矩阵将所有的样本点映射到低维空间中，映射条件满足如下：其中，ε (Y)为损失函数值，yi是xi的输出向量，yij (j = 1，2......k)是yi的k个临近点。7. 根据权利要求6所述的车辆低速碰撞信号特征变换方法，其特征在于，输出向量71的 限制条件为：其中，η为总的样本点数，i为当前样本点，T是转置，I是单位矩阵。8. 根据权利要求6所述的车辆低速碰撞信号特征变换方法，其特征在于，要使损失函数 值达到最小，则取Y为Μ的最小m个非零特征值所对应的特征向量，将Μ的特征值从小到大排 列，舍去第一个接近于零的特征值，取第2到m+1间的特征值所对应的特征向量组成的列向 量作为最终的输出结果。9. 一种车辆低速碰撞信号特征变换系统，其特征在于，具体为： 用于对车辆低速碰撞信号进行降维处理的特征提取模块； 寻找样本点的k个近邻点的寻找临近点模块； 由每个样本点的k个近邻点计算出该样本点的局部重建权值矩阵的处理模块； 根据该样本点的局部重建权值矩阵和其近邻点计算出该样本点输出值特征向量模块。
【文档编号】G06K9/00GK106056068SQ201610365703
【公开日】2016年10月26日
【申请日】2016年5月27日
【发明人】田雨农, 邹秋霞
【申请人】大连楼兰科技股份有限公司