胡益谦， 赵 丰

(1.中国人民解放军96271部队，洛阳 471600；2.北京航天控制仪器研究所，北京 100854)

基于多传感器信息融合的路面等级识别研究

胡益谦1， 赵 丰2

(1.中国人民解放军96271部队，洛阳 471600；2.北京航天控制仪器研究所，北京 100854)

针对车辆行驶路面等级识别的问题，通过采集与融合多种传感器的信号数据，提出一种基于小波包和经验模态分解(EMD)协同信号处理方法.通过最大相关最小冗余(MRMR)算法对特征子集进行优化，优质特征子集将进入概率神经网络分类器(PNN)与随机森林分类器组成的级联分类器进行训练与测试，得到最终路面等级分类结果.仿真结果显示，与使用单一传感器进行路面等级识别相比，分类结果正确率得到有效提高.

路面等级；信息融合；神经网络

Abstract：In order to slove the road ranking recoginition problem, a cooperated signal processing method based on wavelet packet and empirical mode decomposition(EMD) is used. After extracting the statistical characteristics of the signal, the feature subset is optimized by the maximum correlation minimum redundancy(MRMR) algorithm. The high quality feature subset will be the input of the PNN and random forest classifier for training and testing, and then the final road classification results are achiedved. Simulation results show that the accuracy of the classification results is improved compared with the results obtaned from the single level sensor.

Keywords: road profile classification；information fusion；neural network

路面不平度直接影响着车辆悬架的平顺性与可靠性设计，准确测量路面不平度与识别路面等级对车辆控制具有重要影响.目前，随着无人驾驶技术的发展，可通过传感器直接感知路面行驶工况，如车辆前部安装的摄像头以识别车道线的信息[1]；在车头处安装超声波传感器检测行车前方的减速带或凹坑[2]；车轮处安装光学传感器测量轮胎变形计算出路面高程[4]，这些方法成本相对较高，不适用于坡度较陡或路况较差的路面.根据车辆动力学响应与传递函数反求路面不平度进行路面等级的辨识[3]，这种方法依赖于车辆建模的精度，具有一定的局限性.

本研究借鉴数据挖掘与数据融合技术中的……