前言：中文期刊網精心挑選了識別技術論文范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
識別技術論文范文1
關鍵詞:RFID現代物流管理智能化物流管理
射頻識別技術是無線通信IC和天線所構成的組件的通稱。它的成品有著各式各樣的形狀和大小,不過其基本的卡片型、硬幣型及有印刷天線的紙張等,不過其基本的功能卻是一樣的,只要配搭專用的讀寫器(READER/WRITER),就可以從外部讀取或寫入信息。
但這種僅能提供單一功能的RFID,卻扮演了實現ubiquitoous(網路無所不在)社會的牽線者,正牽起一股狂大的旋風。服飾業、食品業、物流業等許多業界已開始認真思考以此項技術代替傳統的條形碼系統。在歐美各國,包括了美國的WalMart、英國的特易購Tesco、德國的Metro等大型的連鎖式零售企業,都以提升公司內部物流系統的效率為目標,相繼宣布未來將在2005-2006年間,正式采用RFID系統。
由此可見,無線射頻識別技術已經在全球的零售業界掀起了一股旋風,而與其休戚與共的現代物流業,當然也不可避免地卷入了這一旋渦。
現代智能化物流管理
現代的物流,是以物流企業為主體、以第三方物流配送服務為主要形式、由物流和信息流相結合的、涉及供應鏈全過程的現代物流系統。在信息化時代里面,隨著網絡技術、電子商務、交通運輸和管理的現代化,現代物流配送也將在運輸網絡合理化和銷售網絡系統化的基礎上,實現整個物流系統管理的電子化及信息化,配送各環節作業的自動化和智能化,從而進入以網絡技術和電子商務為代表的物流配送的新時期。
此外,現代物流表現為企業生產與運輸一體化的供應鏈管理與服務。其中貨物運輸所需的成本、時間及貨物在途的狀態控制是整個供應鏈管理過程中的重要環節。而將射頻識別技術RFID與現代的物流管理相結合,將會極大地提升物流管理各個環節的智能化水平和服務水平,其勢必成為21世紀現代物流發展的不可逆轉的趨勢。
射頻識別技術的技術優勢分析
傳統的自動識別技術的主要功能是提供關于個人、動物、貨物和商品的區別于他物的相關信息。在當今的服務領域、在商品銷售與后勤分配領域、以及在商業部門、在生產企業和材料流通等領域自動識別技術己得到了快速的普及和應用。
條形碼技術,曾在識別系統領域引起了一場革命并得到了廣泛的應用。但是現在這種技術在許多場合已經不能滿足人們的需要了。條形碼雖然很便宜,但它的存儲能力小、不能改寫等的缺點均限制了它在自動識別領域的應用。
在這樣特殊的歷史背景底下,在我們對大存儲量信息載體和無線信息交換方式的需求下面,RFID技術應運而生。而要把自動識別技術與現代的物流管理相結合,在技術的實際應用當中提高物流管理的效率和效益,RFID技術較之以傳統的識別技術,具有其自身獨特的技術優勢(見表1):
射頻識別技術的應用優勢分析
無論是傳統的管理方式,還是現代更強調智能化的管理方式,物流管理的最終目標都是要通過向商品流通過程當中不同的對象提品或服務以換取利潤。因此,商品從生產、儲存、運輸到流通,這一完整的物流管理的流程里面,RFID智能射頻識別技術的應用,能幫助我們在其中不同的范圍或領域內改進業務
的效率和效益,這具體表現在以下幾個方面:
零售領域
無論是一包糖果,還是一臺冰箱或者電視機,在外包裝上加印規范的條形碼,已經是絕大多數企業生產過程中一個常規的步驟。在商品流通企業,例如大型超市,店員通過掃描條形碼來結賬和統計庫存也是司空見慣的一個場景。
然而,這一場景可能很快要成為歷史,產品包裝上的條形碼可能將要消失,而由加貼或者隱藏在包裝內的智能識別標簽(RFID)取而代之。RFID的應用,將使企業的產品和商品信息統計在無形中自動完成,大大提高運營效率。
物流運輸領域
在商品出貨運輸的過程中,RFID系統可以指導和跟蹤貨物運輸到分類的地點,通過實時收集的貨物信息,調度和分配運輸工具的有效工作時間。此外,它還能幫助我們完成諸如:集裝箱檢視、集裝箱分艙、內裝貨物的核對和確認,以及發貨單打印等工作。
在該領域內RFID的廣泛應用,能夠使得貨物運輸過程中人為參與因素大量地減少,籍此獲取更準確的貨物信息,實現貨物有效的在途控制。同時,進一步降低物流成本,提高生產效率。對管理者而言,就是可以隨時地監控全局,更好地調整資源和勞動力的配置。
商品庫存領域
智能化的庫存管理,能夠幫助我們精確地監控產品的流動情況,實現庫存狀況的實時控制,從而提高生產透明度和生產效率。
RFID技術的運用,能使我們通過無線射頻信息的收集而直接完成商品的入庫工作。貨物的實時位置和運動信息,都直接由RFID系統進行實時跟蹤,倉庫工作人員只需借助RFID的收發天線和讀寫器的幫助,即可把貨物的信息記錄入庫。同時,RFID系統還可以根據貨物標簽中所記錄的有關數量和體積等的信息,指示出最合適的倉儲位置,以達到倉儲空間的最優化利用。而在貨物清點的過程當中,也可以通過自動跟蹤RFID標簽,極大地提高清點工作的透明度和效率。
生產領域
識別技術論文范文2
關鍵詞：RFID；標簽天線；遠程寵物管理系統
中圖分類號：TP391.44 文獻標識碼：A 文章編號：1674-7712 （2013） 24-0000-01
一、RFID標簽天線
RFID是無線射頻識別技術，也叫做電子標簽。RFID標簽天線是一種通信的感應天線，能夠利用射頻識別技術自動識別特定的對象[1]。電子標簽目前已經被廣泛應用在現代人們生活的方方面面。本論文通過對遠程寵物管理系統這一項目的介紹，來簡要分析對適用于多種環境的RFID標簽天線的研究。
二、環境對RFID標簽天線的影響
在應用的過程中，都要將RFID標簽放到需要識別的物體上。在設計和使用的過程中，一定要考慮實際情況，因為讀寫器與標簽之間還可能隔著包裝等。
同時我們還應該意識到，天線的性能也會受到環境等因素的影響。天線周圍有水和金屬時，這種影響會十分明顯。本論文設計的RFID標簽天線是一個遠程寵物管理系統，經實際驗證，這個RFID標簽天線能夠適用于多種環境。
三、遠程寵物管理系統總體描述
（一）主要組成部分
本論文所設計的遠程寵物管理系統，采用了最新的雙頻識別技術，實現了對寵物的遠程管理，系統主要由遠程寵物電子身份證、遠程寵物電子身份識別器、手持PDA讀寫器和中心服務器四個部分組成。四個部分的具體介紹如下：（1）遠程寵物電子身份證：采用2.4～2.5GHz與13.56MHz波段，可存儲大量信息，低功耗、低輻射，對寵物健康無負面影響。（2）遠程寵物電子身份識別器：識別距離可在50米范圍內調節，可穿透障礙物識別寵物電子身份證；（3）手持PDA讀寫器：基于PDA直接對寵物電子身份證進行識別，手持PDA讀寫器與PDA之間可通過藍牙、串口、CF口相連；（4）中心服務器：手持PDA讀寫器與中心服務器通過藍牙、無線局域網或GPRS相連。
遠程寵物管理系統的產品式樣主要分為兩種：手持PDA識別器和遠程電子身份證。
（二）主要功能
本論文的遠程寵物管理系統的主要功能有：（1）寵物電子身份證的遠距離識別和讀寫；（2）寵物定位和搜索；（3）信息公告和；（4）丟失寵物查找。
（三）主要性能指標
（1）寵物識別距離不低于50米；（2）寵物移動速度不大于80公里/小時時，對寵物識別沒有影響；（3）同時識別的最大寵物數量，不小于300只；（4）電子身份證發射功率小于-3db；（5）識別器的識別速度，不低于300個/秒；（6）寵物電子身份證的功耗小于0.3mW，普通紐扣電池的使用壽命大于2年。
四、遠程寵物管理系統技術原理
寵物電子身份證使用了128個頻道、2.4G到2.5GHzISM的微波段，頻道帶寬13.56MHz以及8MHz的雙頻識別技術，每張寵物電子身份證的ID號全球唯一，并可存儲主人、地址、電話、出生日期、防疫信息、圖片等大量信息。同時寵物電子身份證可遠程加密讀寫。
遠程寵物身份識別器可遠距離穿透障礙物搜尋、定位寵物，當寵物防疫過期或為失蹤寵物，遠程身份識別器可發出報警音和振動提醒，并鎖定寵物。
手持PDA讀寫器可和PDA通過藍牙、串口、CF口相聯，實時讀取寵物信息，并發送到PDA上顯示，手持PDA讀寫器可通過藍牙、無線局域網、GPRS和中心數據庫聯接，獲取最新的寵物信息。中心服務器為數據庫服務系統，可以對寵物的相應信息進行查詢。
五、項目創新內容
（一）應用創新
目前，對寵物的身份識別主要通過傳統犬牌、二維條碼、植入式芯片這三種方式。
傳統犬牌容易偽造，通過人眼近距離識別，已基本上被淘汰；二維條碼較難偽造，但識別距離只有幾個厘米，識別時必須抓住寵物，識別效率低；植入式芯片是目前最新出現的寵物識別技術，植入式芯片無法偽造，識別距離可達到幾十厘米。但植入式芯片也存在以下兩個缺陷：（1）識別距離短，無法在戶外識別屋內的寵物；（2）植入方式對寵物存在一定健康影響，許多寵物主人無法接受。
采用雙頻識別技術的遠程寵物管理系統，有很多優勢：（1）無法偽造；（2）可遠距離穿透障礙物識別，識別距離可在50米范圍內調節，可戶外對屋內寵物進行身份識別；（3）可授權讀寫，可根據寵物的狀況對識別體進行讀寫，存儲最新的寵物信息；（4）對寵物健康無負面影響；（5）識別速度快，每秒可識別300只寵物，無需抓住、靠近寵物；（6）產品已通過浙江省計量科學研究院檢測，相關技術指標滿足全部要求。
（二）結構創新
電子犬牌結構小，可懸掛于寵物上，質量輕，對寵物無負面影響，具有卡通、精靈、寵物等多種造型。
六、項目技術開發可行性
（一）項目技術發展現狀
本項目涉及的核心技術包括：2.4G～2.5GHz射頻識別技術，13.56MHz射頻識別技術。下面對目前這些相關技術的研究、開況做如下的簡要介紹。（1）2.4G～2.5GHz射頻識別技術。2.4G～2.5GHzISM頻段是使用最多的短距離無線通信頻段，基于該頻段的短距離無線通信技術已經比較成熟[2]，具有公認的標準和產品，如ZigBee、Wi-Fi、藍牙、無線USB、無線局域網等。（2）13.56MHz射頻識別技術。基于13.56MHz射頻識別技術的無線標準有NFC，ISO15693等。主要產品有Philips公司的RC500芯片，Melexis公司的MLX12115等。
七、結束語
本論文簡要介紹了遠程寵物管理系統，從中我們可以看出RFID標簽天線能夠適用于多種環境。RFID標簽天線技術有著非常廣闊的發展前景。
參考文獻：
識別技術論文范文3
2016年是國家“十三五”的開局之年，兩會更是把物聯網的發展列入了“十三五”規劃。射頻識別（Radio Frequency Identification，RFID）作為物聯網應用的核心支撐技術，無論是在科學研究還是在實際工程應用上都已有廣泛關注[1]。對于高校電子類專業，《射頻識別技術》是一門非常重要的專業課程，學生可以通過對本課程的學習了解行業發展情況和提升專業技術能力。而在實際的教學過程中，選擇合適的教學內容和教學方法來提高學生的學習興趣，使用恰當的課程考核方式對學生的學習情況進行全面、公平的評價，才能讓學生能夠快速、有效地掌握最新的專業知識，并在畢業時具備一定的專業能力。
本文針對在不同專業、不同年級的《射頻識別技術》課程的實際教學情況，提出了在教學內容和學生評價考核方式的探討，從而激發學生的學習興趣和提升學生的學習效果。
1 豐富的教學內容
射頻識別這門技術本身涉及的專業學科知識就很豐富，例如：模擬電子技術、數字電子技術、信號與系統、通信原理、數據傳輸、密碼學等[2]，實際教學時需要結合其他學科知識進行串講，這樣不僅能夠增加多個學科間的關聯性讓學生學習興趣提高，對于學生進行專業系統學習也有一定的幫助。
《射頻識別技術》課程使用的教材[1]內容豐富，具體內容包括：RFID概述、系統組件閱讀器和射頻標簽的原理、無線通信原理、標簽識別和超高頻識別協議標準、系統設計的影響因素、研究進展與應用情況等。課程采取的是“2+2”的形式，即兩節理論課加兩節實驗課的形式。由于專業課程涉及內容豐富，無論是理論課還是實驗課都需要對教學內容進行合理的安排，對于學科間聯系緊密的內容應該適當串聯引深，讓學生了解各個學科專業間的關系。
1.1 理論教學內容
理論課程往往比較枯燥無趣，教學時如果引入一些學生學習過的其他專業課程的內容，不僅能夠提高學生的學習興趣，也能提升學生專業學習的總體效果。例如：在教材RFID概述和研究進展部分有提到物聯網和傳感網的內容，而物聯網和傳感器都是學生有學習過的專業課程，在教學這部分內容時就可以把物聯網、傳感器、射頻識別等相關技術進行結合串講，分析它們各自的原理、差異，列舉一些實際的應用案例，讓學生更好地理解學習的專業課程并不是孤立的，而是具有很強的關聯性的，從而加強教學效果。
1.2 實驗教學內容
實驗教學是為了能夠讓學生更好地掌握理論知識、具備一定的實踐能力，實驗教學內容是依托于理論教學內容的。因此，《射頻識別技術》課程實驗教學內容是根據理論教學內容來合理安排的。理論教學內容豐富，實驗教學內容也應該相對多樣。本課程實驗內容主要分三大部分：
1）RFID基礎實驗
RFID基礎實驗主要是RFID技術所使用的125KHz、13.56MHz、900MHz等三大典型頻段的標簽數據讀取和寫入實驗。實驗內容相對簡單，主要是讓學生認識到RFID技術在實際生活中應用是非常廣泛的，并沒有想象中那么高大上，從而引起學生的學習興趣。
2）無線通信相關實驗
無線通信的實驗內容包括三維電磁仿真軟件（HFSS）對天線的設計與仿真、SmartRF軟件對射頻芯片參數的設置、MATLAB軟件對信號調制的仿真等。這部分實驗內容是根據理論教學內容添加的。標簽組件原理和無線通信原理兩部分都有提到天線，特別是天線的性能與無線數據的傳輸有一定的聯系。引入天線設計與仿真和射頻芯片參數的設置實驗是為了讓學生更好地了解天線的極化、增益、諧振頻率、發射功率等因素對于無線數據收發的影響。信號的調制仿真則算是學科間的交叉引申，讓學生回顧其他專業課程內容。無線通信的實驗涉及的軟件較多，但并不是都學習過，教學時需要對各種軟件的使用進行詳細說明。多軟件的學習使用也拓展了學生對于專業輔助工具的使用能力。
3）RFID系統綜合實驗
綜合實驗需要學生完成RFID小系統的組建，實現射頻識別的功能。實驗內容、步驟相對復雜，能夠呈現出學生學習本課程后的學習效果。
2 多樣的考核方式
《射頻識別技術》課程開設的專業和年級不一，根據不同的專業和年級課程的考核方式也不盡相同。物聯網工程專業主要采取閉卷考試的方法，其他專業則使用課程論文的方式。
1） 閉卷考試
《射頻識別技術》是物聯網工程專業在大三上期開設的核心課程，為了能夠讓本專業學生對該專業課程有更加深入的學習效果，采取理論期末閉卷考試方式。試卷題型應多樣并分值合理?？蛇m當加入開放性試題，比如：“列舉生活中的射頻識別技術的應用案例”。綜合、全面地考核學生課程學習情況。
2）課程論文
對于電子科學與技術專業來說，《射頻識別技術》并不是專業核心課程，且在大四上期開設，主要通過期末課程論文的方式進行考查。課程論文內容不限，只要是射頻識別技術相關即可，考核學生對于射頻識別技術的了解情況、材料分析歸納總結和論文寫作能力等[3]。
識別技術論文范文4
【關鍵詞】傳感器陣列；目標識別算法；綜述
1.引言
在傳感器對橋梁、倉庫等進行監視和戰場探測等應用中，目標識別是重要的環節之一。在實際應用中，由于環境的干擾和設備自身的缺陷，各傳感器提供的信息往往包含著大量的不確定性，給快速識別目標類型帶來了很大困難。因此，根據單個傳感器提取信息完成的目標識別性能一般難以滿足實際應用的需求，而利用多個傳感器信息融合已成為全球的研究熱點之一。[1]多傳感器信息融合能夠增加測量的維數和置信度，改進系統的探測性能和生存能力，擴展空間和時間的覆蓋范圍，改進系統的可靠性和可維護性，達到系統內優勢互補，資源共享，提高了資源的利用率。在傳感器陣列目標識別的應用中，信息融合技術可以綜合多個傳感器的數據來確定目標的特征參數，能很好地解決干擾存在下的目標分類識別問題，是處理多傳感器目標識別問題的關鍵技術。文提出了多種傳感器目標識別的算法，本文對這些算法進行了歸納總結，并簡要介紹了近年有關學者提出的新的目標識別算法，分析了現有目標識別算法中存在的問題。
2.目標識別的原理及過程
目標識別是根據不同傳感器測得的目標特征形成一個N維的特征向量，其中每一維代表一個獨立特征。若預先知道目標有m個類型，以及每類目標的特征，則可將實測特征向量與已知類別的特征進行比較，從而確定目標的類別。[2]目標識別的一般過程是：提取特征信息、建立識別樣本、目標識別。
3.多傳感器目標識別算法
信息融合是多傳感器目標分類識別問題的關鍵。目前數據融合方法有上百種，常用的數據融合方法有：統計模式識別法、貝葉斯估計法、D-S證據推理法、模糊積分法以及神經網絡方法。根據融合的特點，可分為位置融合、身份融合、輔助支持算法三大類。在實際應用中這三種算法集成在一起。位置融合算法主要采用統計算法，身份融合算法一般采用基于目標特征的無參或啟發式算法。輔助支持算法主要包括基本的數值方法、數據校對、數據處理技術、數據庫管理等。通常隨機類方法可應用于各級融合算法中，而人工智能方法一般用于較高層次上，采用何種算法主要取決于具體的實際需要。近年來，有些學者還針對多傳感器目標識別問題提出了灰關聯度、模糊決策等方法，并引入了區間數、信息熵等理論改進相關算法，這些方法在環境干擾嚴重、信息不確定性大的情況下有較好的使用價值。
3.1 基于D-S證據理論的目標識別算法
D-S證據理論是適合于目標識別領域應用的一種不精確推理方法。它的最大特點是對不確定信息的描述采用“區間估計”，而不是點估計，在區分不知道與不精確以及精確反應證據收集方面顯示著很大的靈活性。
但是，利用D-S證據理論時，基本概率賦值函數（BPAF）的獲得是一個與應用密切相關的課題，它大大限制了證據理論實際應用。在目標識別信息融合系統的應用中，多由專家知識確定BPAF，帶有一定的主觀因素，往往會影響到正確識別結論。
假設輻射源識別框架為，其中代表不同類型的輻射源。D-S證據理論用識別框架U表示所感興趣的命題集，它定義識別框架U上的基本概率賦值函數，滿足：
如果是在同一識別框架U上根據n個獨立振動傳感器的證據所獲得的基本概率賦值函數，則可以利用式（1）的Dempster組合規則計算出這n個證據共同作用下的基本值函數：
用證據理論組合證據后如何進行決策，是與具體應用密切相關的問題。常用的決策方法有基于信任函數的決策、基于基本小風險的決策。
3.2 基于灰色關聯理論的目標算法
灰色關聯分析是通過灰色關聯度來分析和確定系統諸因素間的影響程度或因素對系統主行為的貢獻測度的一種方法，其基本思想是根據數據列元素之間的相似程度來衡量數據列的接近程度。計參考數列為，其中為參考數列的第個特征，為參考數列的特征數列。
假設時刻有個比較數列：
反映了與的相似程度，越大，表明與越相似，即未知目標屬于目標類型的可能性越大。
但傳統的灰色關聯算法也有其自身的局限性。例如，特征指標權重的選取是人為給定的，主觀因素較大，過于經驗化和絕對化；灰關聯分析是針對數據精確數的情形，不能體現出傳感器獲得的信息是模糊、不確定的特點。這些都會影響它在實際應用過程中的可靠性。
4.結論
目標識別是多傳感器數據融合中的一個重要應用，也是實現勢態分析和威脅評估的前提，判決結果將直接影響整個融合系統的性能。系統中的多種不確定性，例如設備自身的系統誤差、隨機誤差以及密集的雜波干擾，是航跡關聯實際應用中面臨的主要問題。另外，主要研究雷達、ESM和紅外之間的信息融合問題的異類傳感器目標識別技術，由于其在軍事領域的特殊應用，將是今后重要且意義重大的一個研究方向。
參考文獻
[1]王紅亮，張美仙，丁海飛.D-S證據理論在目標識別中的應用[J].自動化與儀表，2011（7）：14-17.
[2]朱亞坤.基于傳感器陣列的振動目標識別與定位技術研究[D].武警工程大學碩士畢業論文，2012.
[3]趙衛東.數據融合在入侵檢測中的應用研究[D].河北大學碩士畢業論文，2006.
[4]陳超.數據融合中目標跟蹤與識別技術研究[D].哈爾濱工業大學碩士畢業論文，2006
[5]李軼，靳新.D-S證據理論在信息融合中的研究與實現[J].科技資訊，2010，01.
識別技術論文范文5
關鍵詞：高速公路；牌照識別；自動發卡系統
中圖分類號：U412.36+6 文獻標識碼：A 文章編號：
引言：自動發卡系統是高速公路不停車收費系統的重要組成部分，該系統改變了原來人工發卡模式，大大提高了發卡效率。自動發卡機系統主要由車牌自動抓拍、無人值守自動發卡機、輪軸識別器、光柵等其他軟硬件組成。設備通行卡總容量是1600—2000張，發卡速度約30張／分鐘。應用于高速公路入口時，司機按“取卡”鍵，進行自助取卡操作。領取通行卡后，欄桿自動抬起，車輛即可駛入高速公路。
一、自動發卡機系統簡述
自動發卡系統集車道控制機和發卡機于一體，安裝在高速公路收費站的入口車道，實現全天候車道無人值守。自動發卡系統的操作流程如下車將需要的數據層打開查看相關信息。特征和屬性的連接。GIS可將特征和屬性連接起來，特征與屬性一一對應。隨著GlS技術的不斷發展，GIS技術又出現了許多新的特點，如網絡GlS、開放的GlS、虛擬GIS、多媒體GIS等等。目前GlS總體上呈現出網絡化、開放性、虛擬現實、集成化空間多維性等發展趨勢。
二、系統組成及功能
1、設備組成
基于自動發卡設備的入口車道設備組成框圖如圖1。系統組成自動發卡系統組成框圖如圖2。系統功熊說明屏幕上，告訴車主汽車位置及前方行車狀況，是否堵車、是否路況良好、前方那里可以停車用餐及加油、那里有收費站等一系列情況，并幫車主選出優化路線，從而提高運輸效率。
2、GlS應用于車輛跟蹤管理。
在汽車上安裝一臺GPS接收機，GPS將汽車位置信息送至主控室，存有電子地圖的GIS系統可隨時知道該汽車的位置。例如，如何安排多路警車交通路線，以保證緊急時刻在任意地方應至少有一輛警車在事發后最短時間內趕到出事地點。
總之，由于GlS在公路部門的推廣應用，將推動公路管理及設計方面的科學化和現代化，對于促進我國的智能運輸系統發展具有重要意義。發卡在安裝自動發卡設備的入口車道，自動發卡機上有一個出卡口。當車輛駛入車道到達線圈并按下出卡按鈕時，自動發卡機發出一張通行卡給司機，卡上有相關編碼信息。通行卡編碼信息主要包括入口站號、車道號和時間等當司機駕車駛離高速路時，這些數據用來確定其應繳的費用。
3、溫濕度自動控制、故障自動報告、磁卡／IC卡機芯互換結構
利用單片機控制技術及溫濕度傳感技術巧妙的實現了自動發卡機內部溫濕度的自動控制，有效的避免了夏天可能出現的自動發卡機內部溫度過熱、濕度過大、冬天溫度過低的問題，并利用智能邏輯判斷，實現了故障的自動報告。更換發卡設備機芯就可以分別適應于磁卡收費系統和IC卡收費系統，
4、收費站計算機通訊
自動發卡機與收費站計算機通過網絡相連，收費站計算機可對車道實時監視(車道狀態、設備故障信息)。
（1）數據存儲
自動發卡機與收費站計算機連接失敗時，車道自動發卡系統可獨立工作，數據保存在車道計算機的硬盤中，當網絡恢復時，自動發卡機將自動上傳車道數據。
（2）操作權限控制
自動發卡機只接受被授權的操作員和維護員的操作，操作員和維護員在操作自動發卡機之前必須使用身份卡。
（3）計數
自動發卡機里的應用軟件有計數功能，設有班次、小時、日計數器。
（4）維護測試
使用維護員身份卡登錄后可測試、維護設備和模擬發卡流程。自動發卡機有4種工作狀態，由操作人員操作并使用身份卡進行切換，包括“關閉”狀態：自動發卡機加電后自動進入此狀態，此時不能發卡車輛通過離開線圈將會產生報警信號?！按蜷_”狀態使用操作員身份卡登錄后，進入此狀態：車輛駛入車道并按“出卡”按鈕將會發卡?！败囮牎睜顟B：適用于免費車隊；自動欄桿抬起，發卡機不發卡，車輛通過離開線圈后欄桿不落下，直至結束此狀態?！本S護”狀態：使用維護員身份卡登錄后，進入此狀態可以測試卡機和其它車道設備。
5、異常
指發生了狀態提示或異常，但不影響自動發卡機繼續工作。包括以下情形通行卡即將用完；與收費站之間的通訊中斷，車輛超時未通過；溫濕度超限。
6、故障
指發生了部件故障從而可能導致設備無法正常工作時，提示必須人工處理。包括以下情形：到達線圈故障，離開線圈故障，溫控系統故障，通行卡用
完，卡機故障，卡機卡紙，卡編碼錯誤。發生這些異常和故障時，液晶面板上顯示報警信息，同時向收費站計算機系統上傳。進入維護狀態后，維護人員可以檢
測卡機和外部設備是否工作正常。
三、系統存在的問題及分析
3．1全自動無人發卡機存在的問題
(1)機械部分
①由于車道環境比較差，通行卡比較臟，在機械部分，卡夾容易被灰塵等異物卡住。
②出卡口設計有一定的阻尼系數，每天經過幾千次出卡后，很容易故障，導致通行卡全部彈出，掉到地上，或者同時彈出2張以上卡片．
(2)系統部分
①浙江冬夏溫差大，在車道上，夏天地面溫度高達40℃以上，冬天最低一5℃度以下，再加每天24小時開機，發卡機的平均故障時間遠大于國家標準。
②車型只靠輪軸識別器識別，誤差率較高。浙江一類車標準是小于等于7座，二類車是大于7座且小于20座，有些7座、8座的車長度相差不大，輪軸相同，車型輪軸識別器根本無法區分。
④車牌識別只靠自動抓拍識別，存在較大誤差。
(3)管理部分
①為防止司機反復倒車或者粗暴對待設備，必須每個車道安排保安引導．
②發卡機只能設置4個卡夾，總共2000張卡左右，但在省界遠遠不夠，放卡比較麻煩．
3．2運營分析，
浙江目前只在三個收費站試點使用自動發卡系統。由于是測試階段，系統問題比較多，軟件設計有些缺陷，經常導致人口車輛流水不能正常上傳，后天報表不正確。浙江目前運行較好的是ETC不停車收費的入口，由于卡及電子標簽在辦理過程中已經綁定了車型和車牌等車輛信息，所以正常情況下一次通行率可以達到99%。但是運營成本高，現在浙江卡的發卡量才只有1萬多張。人工發卡比較準確，但是收費員壓力大，自動發卡機作為收費系統的一種補充，它的存在還是有必要的。
結束語：
當前，隨著高速公路路網建設的不斷完善，各省高速公路都將使用二義性路徑識別雙頻復合通行卡，通過對多功能自動發卡機的研究，提出對原發卡機的改進措施，使其功能更加完備，性能更加穩定。減少收費人員，降低勞動強度，以優質服務贏得社會的和諧，共同構建平安高速公路。
參考文獻：
[1]陳懿 淺析公路電子收費系統硬件設計[期刊論文]-中國科技財富2010(8)
[2]盧程輝 我國高速公路收費體制的問題和對策初探[期刊論文]-城市建設理論研究（電子版）2011(21)
[3]張莉 車型與牌照識別系統的實現[學位論文]2004
識別技術論文范文6
關鍵詞：說話人識別 ，GMM，MFCC，噪聲環境。
1、引言
說話人識別技術是指通過計算機自動識別測試語音說話人身份的技術。最基本的原理是將經過預處理的語音信號進行特征參數提取，建立說話人模型，再與已有的訓練好的模型經行匹配，從而來判斷是具體哪個說話人或判斷是否是某個被指定的說話人。就特征參數而言，MFCC模擬了人的聽覺特性，是符合人聽覺特性的語音特征參量，在實際應用中較為廣泛。但在噪聲環境下，MFCC的識別率大大降低。為此，有必要對噪聲環境下，基于MFCC參數的說話人識別進行相應研究。
論文主要研究了MFCC參數在不同信噪比下的說話人識別特性。采用GMM識別模型作為識別分類器。文章第2部分對GMM模型及其在說話人識別系統中的應用作了說明，第3部分對MFCC參數的提取方法進行了詳細的闡述。最后通過實驗比對MFCC參數和LPCC參數兩種特征參數的識別率。
2、說話人識別模型
說話人識別模型的選擇和建立是說話人識別中最重要的問題之一，在不同的應用場合選擇合適的模型對于提高系統性能非常重要。目前針對各種特征而提出的模式匹配方法的研究越來越深入，其主流方法大致可分為三類：非參數模型方法，參數模型方法和人工神經網絡方法。參數模型方法中，高斯混合模型（GMM—Gaussian Mixture Model）是近年來說話人識別采用的最主流的技術。
2.1 高斯混合模型
高斯混合模型是用M個單高斯分布的線性組合來描述特征在特征空間中的分布。一個M階的混合高斯模型的概率密度函數是由M個單高斯概率密度函數加權和得到的，表示如下：
（1）
其中X是一個D維的隨機向量，wi（i=1 ， … ， M）是混合權重，且滿足
bi（X）（i=1 ， … ， M）是第i維高斯概率分布：
（2）
其中， 是均值向量， 是協方差矩陣。
整個的高斯混合模型便可由參數的均值向量，協方差矩陣和混合權重來描述，則高斯混合模型λ可以表示為如下一個三元組：
（3）
其中，協方差矩陣 可以取普通矩陣，也可以取對角矩陣。由于取對角矩陣計算簡單，性能也好，所以下文中帶入對角矩陣的形式，即：
（4）
其中， 為GMM第i個分量所對應的特征矢量的第k維分量的方差。
為說話人建立高斯混合模型，是給定一組訓練數據，通過訓練，依據某種準則確定參數。最常用的參數估計方法是最大似然估計。最大似然估計的目的是在給定訓練矢量集的情況下，尋找合適的模型參數λ，使GMM的似然函數最大。
設某說話人的訓練特征矢量序列為 ，經計算最佳參數值如下：
（5）
（6）
（7）
其中 稱為后驗概率，表示為：
（8）
2.2 說話人識別系統
對不同說話人的純凈語音提取特征參數后，用GMM對其訓練，從而得到不同說話人特征參數的GMM分布，即訓練好的GMM模型。在進行說話人識別時，將待識別的含噪語音經過同樣的特征提取，并與訓練好的GMM匹配，計算似然函數，從而確認待識別的說話人的身份。圖1給出了基于GMM的說話人識別系統的流程圖。相比較其他模型而言，高斯混合模型有著其獨特的優越性，因為它們的訓練速度快，并且隨著訓練集適當的增加，相應的高斯模型的擬合度也會提高。
圖1 基于GMM的說話人識別系統框圖
然而，由于訓練時使用純凈語音，而本文研究的是噪聲環境下的語音，兩者之間必然會存在特征參數的不匹配。因此，通常噪聲環境會大大降低說話人識別的識別率。
3、美爾頻率倒譜系數（MFCC）
語音特征是確定說話人識別系統性能的最主要的因素之一，如何能選取更好地表征說話人的特征參量也是說話人識別系統面臨的基本問題，它的合理性和準確性影響到整個說話人識別系統的性能。MFCC模擬了人的聽覺特性，是符合人聽覺特性的語音特征參量，在實際中應用較為廣泛。但是，運用MFCC參數的說話人識別在噪聲環境下，魯棒性較差，系統的識別率也大大降低了。
人的耳朵能從嘈雜的背景噪聲中聽到語音信號，這是因為人的內耳基礎膜對外來信號會產生調諧作用。在聲壓恒定的情況下，當噪聲被限制在某個帶寬內，其人耳感覺的主觀強度是恒定的。對于不同的頻率，在相應的臨界帶寬內，一個具有復雜包絡的信號的響度等價于在這個帶寬中心頻率位置的響度，而與信號本身的頻率無關，因此可以通過帶通濾波器組來模仿人耳聽覺。與生理特性一致，心理學的研究進一步表明，人類對于聲音音調的感受不是線性的。所以人們定義了新的頻率單位Mel頻率，它與頻率的關系可用下式近似表示：
（9）
MFCC特征提取的流程一般如下：
1. 圖2是按照公式（9）進行Mel頻率劃分后得到的濾波器組，每個濾波器在以Mel為單位的頻率軸上是等間距的，而在以Hz為單位的頻率軸上是不等間距的，圖中縱坐標的單位為歸一化單位。
圖2 采用三角形窗的Mel濾波器組
設o（l）、c（l）、h（l）分別是第l個三角形濾波器的下限、中心、上限頻率，則相鄰三角形濾波器之間有如下關系：
（10）
2. 對每一幀語音xm（n）進行離散傅里葉變換，將語音信號由時域變換到頻域并計算出語音信號幅度譜|Xm（k）|， k為頻率，然后求l個三角形濾波器的輸出m（l）：
（11）
其中每個三角形窗表示為：
（12）
3. 對所有濾波器的輸出做對數運算，再進一步做DCT變換，即可得到MFCC參數：
（13）
其中 ， N表示MFCC參數的維數， 即第i維MFCC參數。
經過上述步驟，就可以獲得MFCC參數。
圖3 MFCC特征參數的提取算法流程圖
4、實驗結果和分析
實驗在相同條件下，對各個參數對系統識別率的影響進行比對。
1. 實驗條件
實驗數據為TIMIT語音庫部分數據，共有160個說話人，每個人有十句話。選擇其中的前九句話用作訓練，后一句話用作識別。噪聲來源于NOISEX-92數據庫，不同信噪比的噪聲的加入會不同程度地影響系統的識別率。
2. 實驗參數的設置
語音信號按16kHz進行采樣，8bit量化處理，幀長為256點，幀移為128點。此外，兩種特征參數分別是：12階的LPCC，16階的MFCC。GMM模型的階數為64階。
3. 實驗結果：
表1兩種特征參數對應的說話人識別的識別率（%）
相應的數據圖如圖4所示：
圖4 兩種特征參數對應的說話人識別的識別率數據圖
由圖4可以看出，當語音是純凈語音時，LPCC和MFCC相應的識別率均達到了93%以上。但當有噪聲加入時，隨著信噪比的降低， MFCC比LPCC參數更有優越性。例如，在SNR=0dB低信噪比環境下，LPCC和MFCC相應的識別率分別為19.4%和21.9%。在噪聲環境下，把MFCC作為特征參數的說話人識別系統，其識別率更高。
5、結論
論文主要研究了MFCC參數在不同信噪比下的說話人識別特性。噪聲環境下，MFCC參數比LPCC參數更具有噪聲魯棒性。實驗結果表明，在不同信噪比的噪聲環境下， MFCC相對于LPCC具有較高的識別率。在SNR=10dB信噪比環境下，用MFCC參數作為特征參數的說話人識別系統，識別率達到了75.6%。
MFCC參數，在信噪比大于10dB的情況下，具有較好的性能。然而，由于噪聲對語音特征的干擾特別大，當信噪比低于10dB時，系統的識別性能急劇下降。這將在以后研究中，進一步深入探討。
參考文獻
[1] S. Nakagawa， W. Zhang and M. Takahashi. Text-independent Speaker Recognition by Combining Speaker Speci？c GMM with Speaker Adapted Syllable-based HMM[C]. Proc. ICASSP， 2004， Vol. 1， pp： 81-84.
[2] Gang Xu， Bo Tong and XiaoWei He. Robust Endpoint Detection in Mandarin Based on MFCC and Short-time Correlation Coefficient[C]. Second International Conference on Intelligent Computation Technology and Automation， 2009， pp： 336-339.
[3] Rahim Saeidi， Jouni Pohjalainen， Tomi Kinnunen and Paavo Alku. Temporally Weighted Linear Prediction Features for Tackling Additive Noise in Speaker Veri？cation[J]. IEEE Signal Processing Letters， 2010， Vol. 17， No. 6， pp： 599-602.
[4] 單進， 芮賢義. 基于壓縮感知的穩健性說話人識別[J]. 語音技術， 2011， 35 （2）： 61-63.
[5] Tobias May， Steven van de Par and Armin Kohlrausch. Noise-Robust Speaker Recognition Combining Missing Data Techniques and Universal Background Modeling[J]. IEEE Transactions on Audio， Speech， and Processing， 2012， Vol. 20， No. 1， pp： 108-121.
