CN105216714A - 一种基于mems传感器的碰撞事故识别方法 - Google Patents

Abstract

一种基于MEMS传感器的碰撞事故识别方法，具体步骤如下：建立车体坐标系；判断加速度能量信号宽度；采样频率f_s，读取时长为t的数据，计算能量；判断翻转点位置；计算翻转标记信号DMEAN_x(n)和DMEAN_y(n)，即MEAN_x(n)和MEAN_y(n)的差分，用以提取其上升沿和下降沿；判断高频分量；将原信号分解成高频分量和余量；计算高频分量乘积；本发明实现车辆碰撞的自动识别，为进一步实现自动报损提供了基础，同时也可以作为保险公司甄别车险事故的依据。

Description

一种基于MEMS传感器的碰撞事故识别方法

技术领域

本发明属于车辆行驶和碰撞的加速度信号分析领域，尤其涉及一种基于MEMS传感器的碰撞事故识别方法。

背景技术

数据显示，我国民用汽车保有量已经达到1.5亿辆，随之而来的是交通事故的不断增加，据统计，我国每年交通事故死亡人数已经超过了10万人；所以及时有效的检测车辆的碰撞，可有效的减少交通事故的伤亡。应用力学传感器，如三轴加速度传感器，实现对车辆运动状态的全程监测，测量数据甄别车辆碰撞情况。

发明内容

本发明提供了一种基于MEMS传感器的碰撞事故识别方法，实现了车辆碰撞的自动识别，为进一步实现自动报损提供了基础，同时也可以作为保险公司甄别车险事故的依据。

为实现上述目的，本发明所采用的技术方案是：一种基于MEMS传感器的碰撞事故识别方法，其特征在于，具体步骤如下：

S1：建立车体坐标系；

S2：判断加速度能量信号宽度；

S3：判断翻转点位置；

S4：计算翻转标记信号DMEAN_x(n)和DMEAN_y(n)；

S5：判断高频分量；

S6：计算高频分量乘积，然后判断是否为碰撞。

进一步的，在步骤S2中是通过如下步骤判断加速度能量信号宽度的：

采样频率f_s，读取时长为t的数据，计算能量如下

$EN\left(n\right)=a_x^2\left(n\right)+a_y^2\left(n\right)$

其中a_x(n),a_y(n)分别为X轴和Y轴方向的加速度，取能量EN(n)的最大值EN_max，其对应的横坐标为n_max，定义阈值如下：

threshold_EN＝c₁×EN_max

c₁为小于1的常数，计算EN超过阈值threshold部分的宽度N₁，如N₁大于N_a则不是碰撞；如N₁小于N_a则转为步骤S3，其中N_a为常整数。

进一步的，在步骤S3中判断翻转点位置是通过如下步骤进行的：以峰值点n_max为中心截取2f_s的数据，即[n_max-f_s,n_max+f_s-1]，分别计算X轴和Y轴方向加速度信号的过零点数组ZERO_x和ZERO_y，求相邻过零点之间数据的平均值，建立均值数组:

${\mathrm{MEAN}}_x\left(n\right)=\left\{\begin{array}{cc}{\mathrm{mean}}_{x1}& 0<n\&le;{\mathrm{ZERO}}_x\left(1\right)\\ {\mathrm{mean}}_{x2}& {\mathrm{ZERO}}_x\left(1\right)<n\&le;{\mathrm{ZERO}}_x\left(2\right)\\ \mathrm{...}& \mathrm{...}\\ {\mathrm{mean}}_{xN+1}& {\mathrm{ZERO}}_x\left(N\right)<n\&le;2f_s\end{array}\right.$

${\mathrm{MEAN}}_y\left(n\right)=\left\{\begin{array}{cc}{\mathrm{mean}}_{y1}& 0<n\&le;{\mathrm{ZERO}}_y\left(1\right)\\ {\mathrm{mean}}_{y2}& {\mathrm{ZERO}}_y\left(1\right)<n\&le;{\mathrm{ZERO}}_y\left(2\right)\\ \mathrm{...}& \mathrm{...}\\ {\mathrm{mean}}_{yM+1}& {\mathrm{ZERO}}_y\left(N\right)<n\&le;2f_s\end{array}\right.$

其中X轴加速度信号的过零点个数为N，Y轴加速度信号的过零点个数为M，mean_xi和mean_yi为第i段的平均值，表达式如下：

${\mathrm{mean}}_{xi}==\underset{n={\mathrm{ZERO}}_x(i-1)}{\overset{{\mathrm{ZERO}}_x\left(i\right)}{\&Sigma;}}{a}_x\left(n\right)/\left({\mathrm{ZERO}}_x\right(i)-{\mathrm{ZERO}}_x(i-1\left)\right)$

${\mathrm{mean}}_{yi}=\underset{n={\mathrm{ZERO}}_y(i-1)}{\overset{{\mathrm{ZERO}}_y\left(i\right)}{\&Sigma;}}{a}_y\left(n\right)/\left({\mathrm{ZERO}}_y\right(i)-{\mathrm{ZERO}}_y(i-1\left)\right)$

进一步的，步骤S4中的翻转标记信号DMEAN_x(n)和DMEAN_y(n)，即MEAN_x(n)和MEAN_y(n)的差分，用以提取其上升沿和下降沿：

DMEAN_x(n)＝MEAN_x(n+1)-MEAN_x(n)

DMEAN_y(n)＝MEAN_y(n+1)-MEAN_y(n)

DMEAN_x(n)的最大值和最小值分别为DMx_max和DMx_min，DMEAN_y(n)的最大值和最小值分别为DMy_max和DMy_min。提取翻转标记信号的阈值为threshold₁＝c₂×DMx_max，threshold₂＝c₂×DMx_min，threshold₃＝c₂×DMy_max，threshold₄＝c₂×DMy_min，翻转标记点位置限定集合为A＝[n_max-width₁,n_max+width₁]，B＝[n_max-width₁,n_max)，C＝[n_max-width₂,n_max+width₂]其中c₂为小于1的常数，0<width₁＜width₂＜f_s，判断峰值点处a_x(n_max),a_y(n_max)的大小。

作为更进一步的，步骤S4中判断峰值点处a_x(n_max),a_y(n_max)的大小分为以下两种情况：

a)如果|a_x(n_max)|＞|a_y(n_max)|，即力的主要方向为X轴：

条件1： $\&ForAll;n_a\&Element;B,n_b\&Element;A-B$ 或 $\&ForAll;n_b\&Element;A-B,n_a\&Element;B$ 满足DMEAN_x(n_a)＞threshold₁，DMEAN_x(n_b)＜threshold₂；即在峰值左侧width₁范围内存在一个上升沿(或下降沿)，右侧width₁范围内存在一个下降沿(或上升沿)。

条件2：满足，DMEAN_y(n_c)＞threshold₃，DMEAN_y(n_d)＜threshold₄；即在峰值两侧width₂范围内同时存在上升沿和下降沿。

b)如果|a_x(n_max)|≤|a_y(n_max)|即力的主要方向为Y轴，

条件3： $\&ForAll;n_a\&Element;B,n_b\&Element;A-B$ 或 $\&ForAll;n_b\&Element;A-B,n_a\&Element;B$ 满足DMEAN_y(n_a)＞threshold₃，DMEAN_y(n_b)＜threshold₄；即在峰值左侧width₁范围内存在一个上升沿(或下降沿)，右侧width₁范围内存在一个下降沿(或上升沿)。

条件4：满足，DMEAN_x(n_c)＞threshold₁，DMEAN_x(n_d)＜threshold₂。即在峰值两侧width₂范围内同时存在上升沿和下降沿。

作为更进一步的，在步骤S5中判断高频分量需满足以下条件：步骤S4中的情况a)同时满足条件1和条件2，或情况b)同时满足条件3和条件4分别对a_x(n),a_y(n),a_z(n)进行经验模态分解(EMD)，将原信号分解成高频分量和余量，其中高频分量分别记为IMF_x(n)，IMF_y(n)和IMF_z(n)。

作为更进一步的，在步骤S6中计算高频分量乘积，然后判断是否为碰撞是通过如下具体步骤进行的，

XYZ(n)＝IMF_x(n)×IMF_y(n)×IMF_z(n)

令XYZ(n)的幅度最大值为XYZ_max，计算XYZ(n)幅度大于threshold_XYZ的第一个点和最后一个点的距离d_XYZ；

threshold_XYZ＝c₃×XYZ_max

其中c₃为小于1的常数；如d_XYZ＜N_c认为发生了碰撞,如d_XYZ≥N_c则不是碰撞，读取下一段数据，重复步骤S2-S6，其中N_c为常整数。

作为更进一步的，步骤S5中的获得高频分量的方法包括但不限于经验模态分解(EMD)，如：小波变换、滤波等。

本发明专利由于采用以上技术方案，能够取得如下的技术效果：本发明实现车辆碰撞的自动识别，是碰撞报警的先决条件；也为进一步实现自动报损提供了基础；同时也可以作为保险公司甄别车险事故的依据；为公安机关侦破肇事逃逸案件提供证据。

附图说明

本发明共有附图8幅：

图1是实施例中的车体坐标系；

图2是X轴和Y轴方向的加速度信号示意图；

图3是能量信号示意图；

图4是X轴和Y轴方向的加速度信号及其翻转标记信号；

图5是翻转标记信号及阈值示意图；

图6是加速度信号及其EMD分解的高频分量示意图；

图7是高频分量乘积示意图；

图8是判断是否发生碰撞算法流程图。

具体实施方式

下面通过具体实施例，并结合附图，对本发明的技术方案作进一步的解释说明。

实施例

一种基于MEMS传感器的碰撞事故识别方法，具体步骤如下：

S1：建立车体坐标系为右手坐标系；

S2：判断加速度能量信号宽度：采样频率f_s，读取时长为t的数据，计算能量如下：

$EN\left(n\right)=a_x^2\left(n\right)+a_y^2\left(n\right)$

其中a_x(n),a_y(n)分别为X轴和Y轴方向的加速度，取能量EN(n)的最大值EN_max，其对应的横坐标为n_max，定义阈值如下：

threshold_EN＝c₁×EN_max

c₁为小于1的常数，计算EN超过阈值threshold部分的宽度N₁，如N₁大于N_a则不是碰撞；如N₁小于N_a则转为步骤S3，其中N_a为常整数；

S3：判断翻转点位置：

以峰值点n_max为中心截取2f_s的数据，即[n_max-f_s,n_max+f_s-1]，分别计算X轴和Y轴方向加速度信号的过零点数组ZERO_x和ZERO_y，求相邻过零点之间数据的平均值，建立均值数组如下：

${\mathrm{MEAN}}_x\left(n\right)=\left\{\begin{array}{cc}{\mathrm{mean}}_{x1}& 0<n\&le;{\mathrm{ZERO}}_x\left(1\right)\\ {\mathrm{mean}}_{x2}& {\mathrm{ZERO}}_x\left(1\right)<n\&le;{\mathrm{ZERO}}_x\left(2\right)\\ \mathrm{...}& \mathrm{...}\\ {\mathrm{mean}}_{xN+1}& {\mathrm{ZERO}}_x\left(N\right)<n\&le;2f_s\end{array}\right.$

${\mathrm{MEAN}}_y\left(n\right)=\left\{\begin{array}{cc}{\mathrm{mean}}_{y1}& 0<n\&le;{\mathrm{ZERO}}_y\left(1\right)\\ {\mathrm{mean}}_{y2}& {\mathrm{ZERO}}_y\left(1\right)<n\&le;{\mathrm{ZERO}}_y\left(2\right)\\ \mathrm{...}& \mathrm{...}\\ {\mathrm{mean}}_{yM+1}& {\mathrm{ZERO}}_y\left(N\right)<n\&le;2f_s\end{array}\right.$

其中X轴加速度信号的过零点个数为N，Y轴加速度信号的过零点个数为M，mean_xi和mean_yi为第i段的平均值，表达式如下：

${\mathrm{mean}}_{xi}==\underset{n={\mathrm{ZERO}}_x(i-1)}{\overset{{\mathrm{ZERO}}_x\left(i\right)}{\&Sigma;}}{a}_x\left(n\right)/\left({\mathrm{ZERO}}_x\right(i)-{\mathrm{ZERO}}_x(i-1\left)\right)$

${\mathrm{mean}}_{yi}=\underset{n={\mathrm{ZERO}}_y(i-1)}{\overset{{\mathrm{ZERO}}_y\left(i\right)}{\&Sigma;}}{a}_y\left(n\right)/\left({\mathrm{ZERO}}_y\right(i)-{\mathrm{ZERO}}_y(i-1\left)\right)$

S4：计算翻转标记信号DMEAN_x(n)和DMEAN_y(n)，即MEAN_x(n)和MEAN_y(n)的差分，用以提取其上升沿和下降沿：

DMEAN_x(n)＝MEAN_x(n+1)-MEAN_x(n)

DMEAN_y(n)＝MEAN_y(n+1)-MEAN_y(n)

DMEAN_x(n)的最大值和最小值分别为DMx_max和DMx_min，DMEAN_y(n)的最大值和最小值分别为DMy_max和DMy_min提取翻转标记信号的阈值为threshold₁＝c₂×DMx_max，threshold₂＝c₂×DMx_min，threshold₃＝c₂×DMy_max，threshold₄＝c₂×DMy_min，翻转标记点位置限定集合为A＝[n_max-width₁,n_max+width₁]，B＝[n_max-width₁,n_max)，C＝[n_max-width₂,n_max+width₂]其中c₂为小于1的常数，0<width₁＜width₂＜f_s，判断峰值点处a_x(n_max),a_y(n_max)的大小；

a)如果|a_x(n_max)|＞|a_y(n_max)|：

条件1： $\&ForAll;n_a\&Element;B,n_b\&Element;A-B$ 或 $\&ForAll;n_b\&Element;A-B,n_a\&Element;B$ 满足DMEAN_x(n_a)＞threshold₁，DMEAN_x(n_b)＜threshold₂；

条件2：满足，DMEAN_y(n_c)＞threshold₃，DMEAN_y(n_d)＜threshold₄；

b)如果|a_x(n_max)|≤|a_y(n_max)|：

条件3： $\&ForAll;n_a\&Element;B,n_b\&Element;A-B$ 或 $\&ForAll;n_b\&Element;A-B,n_a\&Element;B$ 满足DMEAN_y(n_a)＞threshold₃，DMEAN_y(n_b)＜threshold₄；

条件4：满足，DMEAN_x(n_c)＞threshold₁，DMEAN_x(n_d)＜threshold₂。

S5:判断高频分量：情况a)同时满足条件1和条件2，或情况b)同时满足条件3和条件4，分别对a_x(n),a_y(n),a_z(n)进行经验模态分解(EMD)，EMD将原信号分为高频成分和低频成分，除此之外小波变换，滤波等方法也可以将信号分为低频成分和高频成分，将原信号分解成高频分量和余量，其中高频分量分别记为IMF_x(n)，IMF_y(n)和IMF_z(n)；

S6：计算高频分量乘积：

XYZ(n)＝IMF_x(n)×IMF_y(n)×IMF_z(n)

令XYZ(n)的幅度最大值为XYZ_max，计算XYZ(n)幅度大于thresholdXYZ的第一个点和最后一个点的距离d_XYZ；

threshold_XYZ＝c₃×XYZ_max

其中c₃为小于1的常数；如d_XYZ＜N_c认为发生了碰撞,如d_XYZ≥N_c则不是碰撞，读取下一段数据，重复步骤S2-S6，其中N_c为常整数。

本发明实现车辆碰撞的自动识别，为进一步实现自动报损提供了基础，同时也可以作为保险公司甄别车险事故的依据。

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。

Claims (8)

1.一种基于MEMS传感器的碰撞事故识别方法，其特征在于，具体步骤如下：

S1：建立车体坐标系；

S2：判断加速度能量信号宽度；

S3：判断翻转点位置；

S4：计算翻转标记信号DMEAN_x(n)和DMEAN_y(n)；

S5：判断高频分量；

S6：计算高频分量乘积，然后判断是否为碰撞。

2.根据权利要求1所述的一种基于MEMS传感器的碰撞事故识别方法，其特征在于，在步骤S2中是通过如下步骤判断加速度能量信号宽度的：

采样频率f_s，读取时长为t的数据，计算能量如下

$EN\left(n\right)=a_x^2\left(n\right)+a_y^2\left(n\right)$

其中a_x(n),a_y(n)分别为X轴和Y轴方向的加速度，取能量EN(n)的最大值EN_max，其对应的横坐标为n_max，定义阈值如下：

threshold_EN＝c₁×EN_max

c₁为小于1的常数，计算EN超过阈值threshold部分的宽度N₁如N₁大于N_a则不是碰撞；如N₁小于N_a则转为步骤S3，其中N_a为常整数。

3.根据权利要求2所述的一种基于MEMS传感器的碰撞事故识别方法，其特征在于，在步骤S3中判断翻转点位置是通过如下步骤进行的：以峰值点n_max为中心截取2f_s的数据，即[n_max-f_s,n_max+f_s-1]，分别计算X轴和Y轴方向加速度信号的过零点数组ZERO_x和ZERO_y，求相邻过零点之间数据的平均值，建立均值数组:

${\mathrm{MEAN}}_x\left(n\right)=\left\{\begin{array}{cc}{\mathrm{mean}}_{x1}& 0<n\&le;{\mathrm{ZERO}}_x\left(1\right)\\ {\mathrm{mean}}_{x2}& {\mathrm{ZERO}}_x\left(1\right)<n\&le;{\mathrm{ZERO}}_x\left(2\right)\\ \mathrm{...}& \mathrm{...}\\ {\mathrm{mean}}_{xN+1}& {\mathrm{ZERO}}_x\left(N\right)<n\&le;2f_s\end{array}\right.$

${\mathrm{MEAN}}_y\left(n\right)=\left\{\begin{array}{cc}{\mathrm{mean}}_{y1}& 0<n\&le;{\mathrm{ZERO}}_y\left(1\right)\\ {\mathrm{mean}}_{y2}& {\mathrm{ZERO}}_y\left(1\right)<n\&le;{\mathrm{ZERO}}_y\left(2\right)\\ \mathrm{...}& \mathrm{...}\\ {\mathrm{mean}}_{yN+1}& {\mathrm{ZERO}}_y\left(N\right)<n\&le;2f_s\end{array}\right.$

其中X轴加速度信号的过零点个数为N，Y轴加速度信号的过零点个数为M，mean_xi和mean_yi为第i段的平均值，表达式如下：

${\mathrm{mean}}_{xi}=\underset{n={\mathrm{ZERO}}_x(i-1)}{\overset{{\mathrm{ZERO}}_x\left(i\right)}{\&Sigma;}}{a}_x\left(n\right)/\left({\mathrm{ZERO}}_x\right(i)-{\mathrm{ZERO}}_x(i-1\left)\right)$

${\mathrm{mean}}_{yi}=\underset{n={\mathrm{ZERO}}_y(i-1)}{\overset{{\mathrm{ZERO}}_y\left(i\right)}{\&Sigma;}}{a}_y\left(n\right)/\left({\mathrm{ZERO}}_y\right(i)-{\mathrm{ZERO}}_y(i-1\left)\right).$

4.根据权利要求3所述的一种基于MEMS传感器的碰撞事故识别方法，其特征在于，步骤S4中的翻转标记信号DMEAN_x(n)和DMEAN_y(n)，即MEAN_x(n)和MEAN_y(n)的差分，用以提取其上升沿和下降沿：

DMEAN_x(n)＝MEAN_x(n+1)-MEAN_x(n)

DMEAN_y(n)＝MEAN_y(n+1)-MEAN_y(n)

DMEAN_x(n)的最大值和最小值分别为DMx_max和DMx_min，DMEAN_y(n)的最大值和最小值分别为DMy_max和DMy_min。

提取翻转标记信号的阈值为threshold₁＝c₂×DMx_max，threshold₂＝c₂×DMx_min，threshold₃＝c₂×DMy_max，threshold₄＝c₂×DMy_min，翻转标记点位置限定集合为A＝[n_max-width₁,n_max+width₁]，B＝[n_max-width₁,n_max)，C＝[n_max-width₂,n_max+width₂]其中c₂为小于1的常数，0<width₁＜width₂＜f_s，判断峰值点处a_x(n_max),a_y(n_max)的大小。

5.根据权利要求4所述的一种基于MEMS传感器的碰撞事故识别方法，其特征在于，步骤S4中判断峰值点处a_x(n_max),a_y(n_max)的大小分为以下两种情况：

a)如果|a_x(n_max)|＞|a_y(n_max)|：

条件1：n_b∈A-B或n_a∈B满足DMEAN_x(n_a)＞threshold₁，DMEAN_x(n_b)＜threshold₂；

条件2：n_d∈C满足，DMEAN_y(n_c)＞threshold₃，DMEAN_y(n_d)＜threshold₄；

b)如果|a_x(n_max)|≤|a_y(n_max)|：

条件3：n_b∈A-B或n_a∈B满足DMEAN_y(n_a)＞threshold₃，DMEAN_y(n_b)＜threshold₄；

条件4：n_d∈C满足，DMEAN_x(n_c)＞threshold₁，DMEAN_x(n_d)＜threshold₂。

6.根据权利要求5所述的一种基于MEMS传感器的碰撞事故识别方法，其特征在于，在步骤S5中判断高频分量需满足以下条件：

步骤S4中的情况a)同时满足条件1和条件2，或情况b)同时满足条件3和条件4分别对a_x(n),a_y(n),a_z(n)进行经验模态分解(EMD)，将原信号分解成高频分量和余量，其中高频分量分别记为IMF_x(n)，IMF_y(n)和IMF_z(n)。

7.根据权利要求6所述的一种基于MEMS传感器的碰撞事故识别方法，其特征在于，在步骤S6中计算高频分量乘积，然后判断是否为碰撞是通过如下具体步骤进行的，

XYZ(n)＝IMF_x(n)×IMF_y(n)×IMF_z(n)

令XYZ(n)的幅度最大值为XYZ_max，计算XYZ(n)幅度大于threshold_XYZ的第一个点和最后一个点的距离d_XYZ；

threshold_XYZ＝c₃×XYZ_max

其中c₃为小于1的常数；如d_XYZ＜N_c认为发生了碰撞,如d_XYZ≥N_c则不是碰撞，读取下一段数据，重复步骤S2-S6，其中N_c为常整数。

8.根据权利要求6所述的一种基于MEMS传感器的碰撞事故识别方法，其特征在于，步骤S5中的经验模态分解(EMD)可用小波变换、滤波方法替代。