A comparison of analysis methods for vehicle classification by laser vibrometry

Mätdata från sex olika fordon insamlade med laser vibrometer analyserades med fyra olika analysmetoder. Fordonen är de fyra bandfordonen Bv206, Strf90, T72, Strv121 och de två hjulfordonen Tgb11 ochTglb30. Mätdata insamlades vid tre olika platser och under varierande förhållanden. De frekvensmodulerade signalerna "demodulerades" genom detektion av maximala frekvenstoppen i spektrum från konsekutiva tidsfönster och signalen rensades sedan från transienta störningar. Karakteristiska egenskaper extraherades från effekttäthetspektra (PSD), autoregressiva modellparametrar (AR), Morlet vågformspektra och empirisk moduppdelning (EMD) följd av Hilbert spektra. Sex komponenter användes i varje särdragsvektor. Särdragsvektorerna för varje fordon delades upp I en grupp med referensdata och en grupp med testdata. Klassificeringen utfördes med Mahalanobis klassificering och testdata associerades till närmaste klass av referensdata. Totalt användes 222 mätsignaler. Bästa resultatet erhölls med EMD-metoden där 62 % av testsignalerna tilldelades rätt referensklass i fallet med sex fordonsklasser. Ingen uppdelning gjordes avseende variation av motorvarvtal eller vilka ytor på fordonet som belystes, och inte heller avseende infallsvinkeln mellan laserstrålen och fordonet. Klassificering utfördes också med fem komponenter i särdragsvektorerna. Bästa resultatet erhölls åter igen med EMD-metoden men då bara med 56 % av testsignalerna i rätt klass för fallet med sex fordonsklasser. Här har vi fokuserat på jämförelsen mellan analysmetoderna, men förmodligen kan en högre klassificeringsprocent uppnås om en särdragsvektor i taget testas då medelvektorn och covariansmatrisen för klassen kan bestämmas med högre noggrannhet. Särdragsvektorernas komponentvärden har ej tagits med i rapporten, men kan erhållas som bilaga.