1.一种用于ECAS系统的多传感器融合识别路面颠簸的方法，其特征在于，包括以下步骤：(1)根据路面的连续起伏程度以及坡度信息将路面按照颠簸程度x分成N类，记为{x 1 ，x 2 ，......，x N }；然后进行实地测试，将车辆通过已知的不同颠簸程度的路面，通过ECAS系统的多传感器采集车辆姿态变化信号：通过前桥后桥高度传感器分别采集前后桥的悬架动行程信号，通过横摆传感器采集纵向轴线角速度信号，通过三轴加速度传感器采集x、y、z轴加速度信号；(2)将多传感器采集的车辆姿态变化信号进行预处理以提高信号质量，具体如下：(2.1)将车辆姿态变化信号进行滤波降噪；(2.2)提取滤波降噪后的车辆姿态变化信号中的有效信号：对于悬架动行程信号，对前桥和后桥采集到的悬架高度动行程信号算术平均后去掉平衡位置时的高度，输出一个悬架动行程的变化信号，并计算出车辆运动波形的均值信号i 1 (t)；对于纵向轴线角速度信号，计算出纵向轴线摆动的角加速度信号i 2 (t)；对于x、y、z轴加速度信号，利用x、y轴加速度信号计算出车辆平面运动加速度信号i 3 (t)，利用z轴加速度信号计算出车辆运动波形的方差信号i 4 (t)；(3)获取步骤(2.2)提取的每种有效信号针对不同颠簸程度路面的分界阈值，从而建立路面颠簸程度识别模型；针对i 1 (t)和i 4 (t)信号，其构成了汽车运动的平面波形变化，通过K-means算法对测试所得的所有信号进行分类，得到不同颠簸程度路面对应的分界阈值；针对i 2 (t)和i 3 (t)信号，其构成了汽车运动的立体波形变化，通过支持向量机(SVM)算法对测试所得的所有信号进行分类，得到不同颠簸程度路面对应的分界阈值；针对i p (t)，路面颠簸程度x＝x q ，即处于第q类路面颠簸程度时，分界阈值记为(i pq min ，i pq max )；(4)当车辆经过未知颠簸程度的路面时，重复步骤(1)和步骤(2)，将提取的四种有效信号分别与N类颠簸程度路面的分界阈值对比，得出4N个初步的路面颠簸程度判决结果；(5)对步骤(4)得到的初步判决结果利用基于并行结构融合系统的最优分布式检测融合算法，得到最终的路面颠簸程度判决结果，并将其通过CAN总线协议发送至ECAS系统悬架ECU。
2.根据权利要求1所述的一种用于ECAS系统的多传感器融合识别路面颠簸的方法，其特征在于，所述步骤(5)中基于并行结构融合系统的最优分布式检测融合算法的实现具体如下：假设并行结构融合系统由融合中心及四个有效信号构成，用H 0 表示该种颠簸程度为假，用H 1 表示该种颠簸程度为真；第p个有效信号根据其观测值i p 独立对其中一类颠簸程度路面进行判决，并将判决结果u p 送至融合中心；u p ＝0表示判决H 0 为真，u p ＝1表示判决H 1 为真；融合中心对多个有效信号的判决进行融合，并给出系统的最终判决结果；给定先验概率P 0 ＝P(H 0 )、P 1 ＝P(H 1 )，C ij 表示当H j 为真，而判断为H i 时所需付出的代价；C F ＝P 0 (C 10 -C 00 )，C D ＝P 1 (C 01 -C 11 )；为了获得使并行结构融合系统的Bayes风险达到最小的最优系统判决规则，首先需要获得融合中心的最优融合规则；假设各有效信号的判决规则已经确定，最优融合规则为：式中Λ(u)为融合中心测量的似然比，即Λ(u)＝P(u|H 1 )/P(u|H 0 )，T＝C F /C D 为判决门限；假设各有效信号的观测相互独立，对于任意给定的融合判决规则，使系统检测性能达到最优的判决规则为：式中Λ p (i p )为单个有效信号测量的似然比，即 为第p个有效信号观测值i p 的条件概率密度函数；其中 根据得到的最优判决规则，给出最终路面颠簸程度判决。
3.根据权利要求1所述的一种用于ECAS系统的多传感器融合识别路面颠簸的方法，其特征在于，根据提取的有效信号输出车辆通过颠簸路面的运动波形，可用于为用户及调试人员提供直观的图形化人机交互界面。
