基于时域范围的车辆低速碰撞信号的特征提取方法
【专利摘要】基于时域范围的车辆低速碰撞信号的特征提取方法，属于数据处理领域，以使得对于车辆低速碰撞信号中影响碰撞数据准确性的数据被提取出来。技术要点是：S1.对车辆碰撞发生到结束期间的碰撞信号提取其中的速度信号，且进行固定频率滤波；S2.对于滤波后的信号数据，提取其中的速度信号数据的最值。效果是：提取有用的信号数据，可以提升定损过程中，碰撞基础数据的准确性，提高定损精度。
【专利说明】
基于时域范围的车辆低速碰撞信号的特征提取方法
技术领域
[0001 ]本发明属于数据处理领域，涉及一种低速碰撞信号的特征提取方法。
【背景技术】
[0002]在远程定损技术项目中所采集的车辆行驶信号为离散信号，信号中包含多种不同频率的噪声信号，如果直接对信号进行分析，不仅无法直接找到信号的有用信息，对后面的机器学习产生很大的影响。选择信号数据中的何种，关系到碰撞数据获取的准确性。将复杂信号中的有用的、直观的特征提取出来，对于学习模型有着至关重要的作用。
【发明内容】
[0003]为了解决上述技术问题，本发明提出了一种基于时域范围的车辆低速碰撞信号的特征提取方法，以使得对于车辆低速碰撞信号中影响碰撞数据准确性的数据被提取出来。
[0004]为了实现上述目的，其技术方案是:一种基于时域范围的车辆低速碰撞信号的特征提取方法，包括:
[0005]S1.对车辆碰撞发生到结束期间的碰撞信号提取其中的速度信号，且进行固定频率滤波；
[0006]S2.对于滤波后的信号数据，提取其中的加速度信号数据的最大值和最小值，其中绝对值较大的为最值。
[0007]进一步的，所述步骤S2，还提取滤波后的信号数据的最值点到其后极值点的平均會ti。
[0008]进一步的，所述步骤S2，还提取滤波后的信号数据的最大值的半波宽度和最小值的半波宽度。
[0009]进一步的，所述步骤S2，还提取滤波后的信号数据的最值到其临后极小(大)值的差值。
[0010]进一步的，所述步骤S2，还提取滤波后的信号数据的最值到其临后极小(大)值的跨度。
[0011]进一步的，所述步骤S2，还提取滤波后的信号数据的4中的差值/5中的跨度。
[0012]进一步的，所述步骤S2，还提取滤波后的信号数据的最值点到其后极值点的平均能量、最大值的半波宽度和最小值的半波宽度、最值到其临后极小(大)值的差值、最值到其临后极小(大)值的跨度、4中的差值/5中的跨度。
[0013]进一步的，求取滤波后的加速度信号每点的斜率的绝对值，再进行所有点斜率的平均值的求取。
[0014]进一步的，所述方法还包括步骤:S3.由步骤S2中提取速度信号数据得到的数据提取时域特征。
[0015]有益效果:经过大量数据信号观察和分析，发现信号波形的多种特征都能反映出碰撞的真实物理意义。而提取有用的信号数据，可以提升定损过程中，碰撞基础数据的准确性，提高定损精度，为此，本方法，提取了其中，经过观察和分析，更能实际反应碰撞的信号数据，以提供碰撞数据的准确性。
【附图说明】
[0016]图1为本方法的流程图。
【具体实施方式】
[0017]实施例1: 一种基于时域范围的车辆低速碰撞信号的特征提取方法，包括:S1.对车辆碰撞发生到结束期间的碰撞信号提取其中的速度信号，且进行固定频率滤波;S2.对于滤波后的信号数据，提取其中的加速度信号数据的最大值和最小值，其中绝对值较大的为最值。最值(最大值与最小值)可以反映在碰撞发生时刻车辆的行驶速度的快慢，在碰撞物为刚性体的时候，行驶速度越大产生的最值越大;并且最大值的绝对值与最小值的绝对值进行比较，也可以反映出车辆是正向碰撞还是后面碰撞。S3.由步骤S2中提取速度信号数据得到的数据提取时域特征。
[0018]实施例2:具有与实施例1相同的技术方案，更为具体的是:所述步骤S2，提取的数据还包括，滤波后的信号数据的最值点到其后极值点的平均能量。最值点到其后极值点的平均能量，可以反映车辆在碰撞过程中的能量损失的快慢，不同的碰撞物会导致车辆在碰撞过程中有不同的能量损失。
[0019]实施例3:具有与实施例1或2相同的技术方案，更为具体的是:所述步骤S2，提取的数据还包括，最大值的半波宽度和最小值的半波宽度。
[0020]实施例4:具有与实施例1或2或3相同的技术方案，更为具体的是:所述步骤S2，提取的数据还包括，最值到其临后极小(大)值的差值。差值越大表明碰撞的越剧烈。
[0021 ]实施例5:具有与实施例1或2或3或4相同的技术方案，更为具体的是:所述步骤S2，提取的数据还包括，最值到其临后极小(大)值的跨度。跨度越大表明碰撞的越不剧烈。
[0022]实施例6:具有与实施例1或2或3或4或5相同的技术方案，更为具体的是:所述步骤S2，提取的数据还包括，差值/5中的跨度。4中的差值/5中的跨度，正负可以反映碰撞的方向，大小可以反映碰撞的剧烈程度
[0023]实施例7:—种基于时域范围的车辆低速碰撞信号的特征提取方法，包括:S1.对车辆碰撞发生到结束期间的碰撞信号提取其中的速度信号，且进行固定频率滤波;S2.对于滤波后的信号数据，提取其中的速度信号数据的最值、最值点到其后极值点的平均能量、最大值的半波宽度和最小值的半波宽度、最值到其临后极小(大)值的差值、最值到其临后极小(大)值的跨度、4中的差值/5中的跨度。S3.由步骤S2中提取速度信号数据得到的数据提取时域特征。之后，求取滤波后的加速度信号每点的斜率的绝对值，再进行所有点斜率的平均值的求取。
[0024]以上所述，仅为本发明创造较佳的【具体实施方式】，但本发明创造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创造披露的技术范围内，根据本发明创造的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明创造的保护范围之内。
【主权项】
1.一种基于时域范围的车辆低速碰撞信号的特征提取方法，其特征在于，包括: S1.对车辆碰撞发生到结束期间的碰撞信号提取其中的速度信号，且进行固定频率滤波； S2.对于滤波后的信号数据，提取其中的加速度信号数据的最大值和最小值，其中绝对值较大的为最值。2.如权利要求1所述的基于时域范围的车辆低速碰撞信号的特征提取方法，其特征在于，所述步骤S2，还提取滤波后的信号数据的最值点到其后极值点的平均能量。3.如权利要求1所述的基于时域范围的车辆低速碰撞信号的特征提取方法，其特征在于，所述步骤S2，还提取滤波后的信号数据的最大值的半波宽度和最小值的半波宽度。4.如权利要求1所述的基于时域范围的车辆低速碰撞信号的特征提取方法，其特征在于，所述步骤S2，还提取滤波后的信号数据的最值到其临后极小(大)值的差值。5.如权利要求1所述的基于时域范围的车辆低速碰撞信号的特征提取方法，其特征在于，所述步骤S2，还提取滤波后的信号数据的最值到其临后极小(大)值的跨度。6.如权利要求1所述的基于时域范围的车辆低速碰撞信号的特征提取方法，其特征在于，所述步骤S2，还提取滤波后的信号数据的4中的差值/5中的跨度。7.如权利要求1所述的基于时域范围的车辆低速碰撞信号的特征提取方法，其特征在于，所述步骤S2，还提取滤波后的信号数据的最值点到其后极值点的平均能量、最大值的半波宽度和最小值的半波宽度、最值到其临后极小(大)值的差值、最值到其临后极小(大)值的跨度、4中的差值/5中的跨度。8.如权利要求7所述的基于时域范围的车辆低速碰撞信号的特征提取方法，其特征在于，求取滤波后的加速度信号每点的斜率的绝对值，再进行所有点斜率的平均值的求取。9.如权利要求1-8中任一权利要求所述的基于时域范围的车辆低速碰撞信号的特征提取方法，其特征在于，还包括步骤: S3.由步骤S2中提取速度信号数据得到的数据提取时域特征。
【文档编号】G06K9/00GK106067000SQ201610365449
【公开日】2016年11月2日
【申请日】2016年5月27日 公开号201610365449.7, CN 106067000 A, CN 106067000A, CN 201610365449, CN-A-106067000, CN106067000 A, CN106067000A, CN201610365449, CN201610365449.7
【发明人】田雨农, 邹秋霞
【申请人】大连楼兰科技股份有限公司