隧道磁阻式传感器应用之成品及性能测试
车辆检测系统是否能正常运作取决于能否合理利用地磁传感器的三轴输出信号，因此需要设计一个算法，用来做信号处理与检测。
算法的概念是：由基本运算及规定的运算顺序所构成的完整的解题步骤。或者可以理解为按照算法设计人员的需求设计好的有限的计算序列，这样的序列都可以解决某一类的问题。一个算法具有以下五个重要的特征：
有穷性（Finiteness）：一个算法必须能在执行有限个步骤之后终止。这是因为计算机不可能一直循环运行一个算法。
确切性(Definiteness)：算法的每一步骤必须有确切的定义，否则算法将会出错。
可行性(Effectiveness)：算法原则上能够精确地运行，算法中执行的任何计算步骤都是可以被分解为基本的可执行的操作步骤，否则将会出错。
输入项(Input)：一个算法有1个或多个输入，以刻画运算对象的初始情况；有些算法有0个输入，这是因为算法本身已定出了初始条件。
输出项(Output)：一个算法必有一个或多个输出，它反映了系统对输入数据进行处理后的结果。没有输出的算法是没有意义的。
信号处理和检测算法的是否高效对数据采集系统的准确性起决定作用，这里使用不同算法进行论证和测试，从中选择最优的算法。
1.1 基于状态机算法的有车/无车检测
为了增强了系统的可靠性，可使用状态机检测算法进行检测。状态机检测算法是通过设定若干个中间状态并对各个状态进行区分判断的方法来降低各种外部因素的干扰。根据设置的中间状态的个数可分为单中间状态检测法和多中间状态检测法。状态机可归纳为4个要素，即现态、条件、动作、次态。
现态：是指当前程序所处的状态。
条件：又称为“事件”。只有当一个条件成立时，才会触发一个动作，或者执行一次状态的迁移。
动作：执行条件成立后执行的动作。动作执行完毕后，程序可以迁移到新的状态，也可以保持原状态。
次态：条件满足后要迁往的新状态。“次态”是相对于“现态”而言的，“次态”一旦被激活，就转变成新的“现态”了。
1.1.1 单中间状态车辆检测法
麻省理工大学的Knaian首次将单中间状态机应用于车辆检测算法中。该算法所采用的状态机包含4个状态：未触发状态、临界触发状态、触发状态和计数状态。其中临界触发状态为中间状态。图1为单中间状态机工作流程图。其中S（t）为输入的与时间有关的信号序列，Ymax和Ymin分别是预设的最大阈值和最小阈值。
当输入信号值为正且大于Ymax时，状态机由未触发状态进入触发状态；进入触发状态后，当信号值为负且其绝对值大于Ymax时，进入计数状态，否则进入临界状态；进入计数状态后，当输入值为正且大于Ymax将返回到触发状态，而一旦信号绝对值小于Ymin，进入未触发状态；在临界状态时，若S（t）在最小阈值Ymin范围内达到一定时间，则状态机重置至未触发状态。
图1 单中间状态机检测法
相比固定阈值算法，单中间状态检测法通过设定中间不确定状态的方法来应付各种干扰，同时对异常信号有一定的容错性，可有效降低车辆误检率。缺点是该方法只适合检测车辆何时进入检测区域，却无法判断该车辆何时离开，因此很容易出现将几部车误判为一部车的情形。
1.1.2 多中间状态车辆检测法
图2的多中间状态的状态机是由美国麻省理工大学的 JiagenDing 提出的，是对Coleri提出算法的进一步改进.状态机包括5个状态：state0、state01、state1、car和nocar，输入为u（k），其中间状态为state0，state01，输出为有无车标志：car和nocar。
设计时，首先对采集的信号f（k）进行处理，获取若干个背景磁场信号求平均值，得到背景信号阈值Y（k），a（k）作为状态机输入，设置当f（k）>Y（k）时，a（k）=1，否则a（k）=0 。状态机中的state0、state01、state1状态均设置了一个计数器，并设定一个计数周期T，每当发生状态转换时该计数器中的值置0 。
该状态机的工作过程为：设定状态机的初始状态为无车状态：nocar。当a（k）为0 时保持在该状态，否则进入state1；进入state1后，若a（k）为 0，跳至state0，否则对连续出现的1序列进行计数，当a（k）为 1 且计数值大于或等于设定的时间阈值T时，则进入car模式，即该时刻有车；同理，进入state0 后，对连续出现的0序列进行计数，当a（k）为 0 且计数值大于或等于设定的时间阈值T时，则进入nocar模式，即该时刻无车，否则返回到state1；进入car状态后，若a（k）为 1 则保持该状态，否则进入state01；进入state01后，若a（k）为 1 且计数值小于设定的时间阈值T，则返回到car状态，若a（k）为 0，对后面连续的0序列计数，当a（k）为0 且计数值大于等于设定的时间阈值T，进入nocar模式。
图2 多中间状态机检测法
相比单中间状态车辆检测法，多中间状态的状态机增加了判断车辆是否存在等中间状态，能更准确地判断有无车辆并进行信号分析，使得提取的序列信息准确度更高。但是运行多中间状态机在运行时需要更多的计算工作量，同时需要消耗较大的内存空间。
1.2 基于峰值检测的车辆行驶方向检测
车辆通过传感器时磁场变化幅度并不总是相同的，在发动机和汽车车轮处的磁场变化较大，其中发动机的变化最为明显。因此需要对波峰波谷进行检测和处理，在这里需设计两个算法：峰值判断和峰值时域分析算法。
1.2.1 峰值判断算法传统的单片机峰值检测手段主要是基于运算放大电路的比较器，图3是一个典型的应用电路。该电路采用单电源供电，其中由RA和RB分压设定了一个基准电压 VREF在 IC2A 的正相输入端，从而IC2A 在反相输入端保持一个等于VREF 的基准电位。因此，当VIN 超过 VOUT 时，比较器的输出端 MOSFET 导通，将输出电压下拉至0V，在R1上表现为一个等于VREF的电位。
选择VREF值时，要检查运算放大电路IC2和IC1的输入、输出共模电压的范围，以及输入信号的最大峰峰摆幅。例如，若供电电压Vs设为3.3V，并设定RA=RB，使VREF=1.65V。则理论上该电路可以检测的正波峰电压为1.65V至3.3V。
图3 单电压供电的电压比较电路
峰值检测电路的原理是对电路设定一个比较的基准值，对输入信号的幅度进行判断，如图4所示，当幅度大于波峰基准值，则比较器输出高电平1；小于波谷基准值时，输出0，从而判断信号是否达到电路设计人员所要求的电压幅值。
图4 波峰阈值与波谷阈值
本系统对模拟信号进行A/D转换得到了数字信号，利用峰值检测电路的基本原理，可设计一个判断峰值程序。通过设置基准的信号电平幅度，将有车范围内的信号与基准电平进行对比，判断系统是否到达波峰或者波谷。
车辆通过传感器时磁场变化幅度在发动机和汽车车轮处达到最大，其中在发动机处的电平变化达到最小的波谷值，而目前市面上小型和中型的汽车发动机一般位于汽车的最前端，所以当汽车正向驶入检测区域时，电平应先到达最低的波谷，如图5所示。
图5 汽车正向行驶时最低的波谷处于波形的前端
图6是汽车逆行时的输出波形，可以看出，此时最低的波谷处于波形的后端。
图6 汽车逆向行驶时最低的波谷处于波形的后端
根据发动机的安装特点，可以设计波谷检测算法，该算法的运行原理如下：
1.分析整个过程中的电压波谷值，并对这些值进行最小值比较，将该最低的波谷的发生时刻记为t；
2.对该信号产生的时刻t与整辆汽车的检测时间T相比较，若t<T/2，则判断为发动机先进过检测区域，即车辆是从正向使入传感器探测范围；若t>T/2则判断发动机是较迟到达这个检测区域的，表明车辆是倒退着进入传感器探测范围。
以该理论为依据，设计波谷检测算法，其流程图如图7所示：
图7 车行方向检测算法
1.3 总系统程序流程图
根据地磁传感器的使用方法，在系统开始启动时，先检测一个背景磁场所产生的电压值。本程序采用采集十组背景磁场数据然后求平均值的方法确定基准电平并将其保存在存储器中。当没有车辆经过时，该电平始终保持不变。而当车辆经过时，电平出现较大波动，将采样的数据和背景磁场值、阈值进行比较。
如何判断电平变化是否超出阈值，这里引入一个数学概念：方差。方差是用来表征一组数据偏离平均值的一个数学名词。合理使用方差可快速而准确地计算出电平偏离背景磁场的值，这使得阈值判断变得非常简单。
图8是该系统的程序流程图：
图8 程序流程图
2.1 测试准备
不同车型的车辆构造不同，因此对地磁场的扰动程度不一样，输出信号也不一样。为了适应更多车型，需对测试车辆进行等级划分。其等级划分主要依据轴距、重量等与汽车体型相关的参数，字母顺序越靠后，该级别车的轴距越长，重量越大。
A级车是指小型轿车：该级别的车辆轴距范围约在2.3米至2.45米之间，排量在1.5升以下。比如上海大众的POLO、一汽大众的捷达都属于A级轿车。
B级车是中档轿车: 该级别的车辆轴距约在2.45米至2.6米之间，排量1.6升至2.5升之间。奥迪A4、帕萨特、东方之子等均属于B级车阵营。
C级车是高档轿车: 该级别的车辆轴距约在2.6米至2.8米之间，发动机排量为2.3升至3.0升，奥迪A6就是国内人气最高的C级车。
D级车是豪华轿车：D级豪华轿车大多外形气派，其轴距一般均大于2.8米，排量约在3.0升以上。常见的D级车有奥迪A8、奔驰S系列、宝马7系等车型就属于D级车。
地磁传感器的最大缺点是无法识别并行车辆，在检测范围内所有的地磁扰动都可能影响检测结果，因此测试时首先需要选择单行车道，而停车场收费站口车辆密集，速度适中，单车道行驶，非常适合作测试环境；
验证隧道磁电阻传感器的安装位置对检测效果的影响，将其分别安装在距离车道10CM的路边和安装在单行车道的中间位置；
测试时，注意保存串口数据，同时需记录汽车类型，不同的汽车构造将导致输出信号波形存在较大的差异，因此需分类归纳不同车型的检测效果。
2.3基于单中间状态车辆检测法的路面测试
2.3.1 测试环境时间：2014年4月17日 地点：深圳市南山区科技园W-1B区收费站车道旁
2.3.2 测试数据
图9给出了在科技园W-1B区收费站车道测速的一段输出波形，包含着多辆车的波形数据。由磁阻传感器的输出电压变化可知,不管车辆是A型、B型还是C型,曲线都存在一个明显的峰值波谷，和前面理想铁块模型的结果相吻合。当汽车沿磁阻传感器的敏感轴X轴方向移动时,曲线出现较大的峰值，程序就可以对车辆信息进行判断。
图9 路面测试的输出波形
2.3.3 测试结果统计
表1 单中间状态算法测试结果统计
由测试结果统计可得出以下结论：
（1）有无车辆检测的准确率均在80%以上，表明该算法执行效率较高,但依然无法达到要求。
（2）有无车辆检测功能的准确率随着车辆体型的增大而增加，可理解为较大的磁体可能会导致更大的地磁扰动，传感器输出信号波动大，正确检测的可能性增加。
（3）车辆体型的增大提高了有无车辆检测的准确度。但是，由于大型车辆的构造比小轿车更为复杂，因此输出信号波形也更为复杂，如果要做波峰波谷、相似性检测等其他算法，难度将更高。
2.4基于多中间状态车辆检测法的路面测试
2.4.1 测试环境时间：2013年4月23日 地点：深圳市南山区深圳大学南门收费站出口处
考虑到收费站出入口汽车流量很大，因此在检测程序中加入了分隔符。当程序检测一部车辆后，输出一段设定的数据，在下一辆车到来的时候，再输出一段预设的数据，利用这样两组数据区分各部车辆的波形。图10给出了在深圳大学南门收费站出口处监测的一段输出波形，每辆车的波形都被分隔符分割出来。
分析图11到图14的波形，我们发现X轴和Y轴的波形与铁块模型的仿真结果波形相似，但是Z方向可能与理论上有偏差。这是因为轿车在经过停车场减速带时出现较大的上下抖动，影响Z轴的判断。
与前面的测试波形相同，越大的车辆对地磁的扰动情况越复杂，C型车与D型车经过时波形起伏不定，持续时间也越久。为了检验算法的灵敏度和准确率，需要对车辆检测结果做出统计。
图10 路面测试的输出波形（沿X轴正向）
图11 A型轿车经过时引起的电平波动（沿X轴反向）
图12 B型轿车经过时引起的电平波动（沿X轴反向）
图13 C型轿车经过时引起的电平波动（沿X轴反向）
图14 D型轿车经过时引起的电平波动（沿X轴反向）
2.4.3 测试结果统计
为了界定车辆行驶方向，我们使用单片机的流水灯来直观地反应不同的行驶状态。同时，通过流水灯闪动情况也可判断车辆是否介于临界状态。因为地磁传感器容易收到并行车辆磁场的影响，因此在测试过程中可根据环境调整程序阈值，灵活改变系统的灵敏度，使得传感器的检测范围只有单车道。表2为测试结果统计。
表2 多中间状态算法测试结果统计
有无车辆检测的准确率达到了98%以上，表明该算法能较准确地检测车辆；车辆行驶方向检测准确率比单中间状态检测方案有明显的进步。综合单中间状态和多中间状态算法的优缺点，最终选择多中间状态机作为有/无车辆检测的最佳算法。
三 基于峰值检测的车辆行驶方向检测的路面测试
3.1 测试环境
时间：2013年4月25日 地点：深圳市南山区深圳大学南门收费站出口处
在基于多中间状态机检测有无车辆的基础上做车辆行驶方向检测，测试方法与有无车辆检测相同。
将TMR传感器的X轴正面朝向单行道车辆行驶的方向，在保存数据的同时，记录汽车类型并分类归纳不同车型的检测效果；
将TMR传感器的X轴反面朝向单行道车辆行驶的方向，继续测试，研究车辆反向行驶时的波形变化；
根据研究方位的需要变更传感器的方向，可测出汽车各个角度进过传感器的波形变化。
为了区分车辆行驶方向，使用nRF24LE1无线单片机的LED2和LED3两个指示灯分别作为两个不同的方向标记，LED0为临界状态显示，当磁场信号变化不强烈时，LED0闪烁，只有在LED1也亮的时候，才判断为有车，进入车辆行驶方向检测模式。
图15给出了路面实测的波形图，图中黑线为波谷检测阈值，当汽车正向行驶时最低的波谷处于波形的前端，根据发动机的安装位置很容易判断汽车的行驶方向，与设计的理论基础相吻合。 
图15 方向检测输出波形（黑线为波谷检测阈值）
表3给出了车辆方向检测的数据统计：
表3 多中间状态算法测试结果统计
由统计结果可知，该方法有80%左右的车辆检测精度，可初步判断检测车辆的行驶方向。但是，该方案车辆检测精度仍无法达到实际要求，需对算法进行进一步改进，或者使用更高级的算法，如建立模型数据库，将实测信号与数据库的基准信号进行相似性算法分析，这样可大大提高精确度。
本设计着力于车辆智能检测系统的研究，首先对五种不同的解决方案进行对比，得出了基本的观点：传统车辆检测方法在实际运用中都存在着一定的缺陷，其准确性较低。为满足日益发达的交通系统，本文基于对隧道磁电阻传感器的研究，设计了新型车辆监测系统。经过实物测试，该系统能精确检测监测范围内有无车辆驶过，同时能较为准确地判断车辆的行驶方向。
现阶段系统的缺点是车辆方向检测精度不足，这也是传统检测手段经常碰到的问题。精度不足并非因为地磁传感器灵敏度不够，而是因为算法不够完善，导致程序可能出现检测状态的误判，这个问题的出现对信号滤波和算法优化提出了新的要求。
目前该设计的相关研究和开发仍处于起步阶段，而磁传感器是一项博大精深的新技术，系统的进一步开发需要更多的时间和资源的投入。由于时间和个人能力有限，系统的算法和功能有待进一步优化，可以从以下几方面进行技术突破：
第一，使用软件滤波来滤除干扰信号。常用的软件滤波方法主要有：算术平均滤波法、限幅滤波法、消抖滤波法、IIR数字滤波器、限幅消抖滤波法等。滤波的效果直接影响测量精度，因此这是技术突破的重中之重。
第二，由于基于地磁传感器的车辆检测系统是一个新型的设计，所涉及的技术面很广，也没有公认的成熟的算法，因此使用什么算法依然需要探究。
第三，系统的推广需要通过各种产品标准检测，其中任何设计人员都不能回避的一个问题是系统功耗。由于系统工作在户外露天场所，对功耗要求很高。设计时，需要更多地考虑和论证各个模块的能耗，将系统设计为定时工作或带有休眠唤醒状态的工作模式。